MétaCan
Menu
Retour à la cohorte
Enregistrement W3179019226 · doi:10.1016/j.pcad.2021.07.004

Effects of Cardiac Rehabilitation in Low- and Middle-Income Countries: A systematic Review and Meta-Analysis of Randomised Controlled Trials

2021· review· en· W3179019226 sur OpenAlexaff
Taslima Mamataz, Jamal Uddin, Sayed Ibn Alam, Rod S Taylor, Maureen Pakosh, Sherry L. Grace

Notice bibliographique

RevueProgress in Cardiovascular Diseases · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensUniversity Health NetworkToronto Rehabilitation InstituteUniversity of TorontoYork University
Organismes subventionnairesUniversity of GlasgowMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMedicineMeta-analysisRehabilitationRandomized controlled trialLow and middle income countriesPhysical therapySystematic reviewMEDLINEInternal medicineDeveloping country

Résumé

récupéré en direct d'OpenAlex

To assess the effectiveness of cardiac rehabilitation (CR) in low- and middle-income countries (LMICs), given previous reviews have included scant trials from these settings and the great need there. Six electronic databases (PubMed, Medline, Embase, CINAHL, Cochrane Library, and APA PsycINFO) were searched from inception-May 2020. Randomised controlled CR (i.e., at least initial assessment and structured exercise; any setting; some Phase II) trials with any clinical outcomes (e.g., mortality and morbidity, functional capacity, risk factor control and psychosocial well-being) or cost, with usual care (UC) control or active comparison (AC), in acute coronary syndrome with or without revascularization or heart failure patients in LMICs were included. With regard to data extraction and data synthesis, two reviewers independently vetted identified citations and extracted data from included trials; Risk of bias was assessed using Cochrane’s tool. Certainty of evidence was ascertained based on the Grading of Recommendations Assessment, Development and Evaluation (GRADE) framework. A random-effects model was used to calculate weighted mean differences and 95% confidence intervals (CI). Twenty-six trials (6380 participants; 16.9% female; median follow-up = 3 months) were included. CR meaningfully improved functional capacity (VO2peak vs UC: 5 trials; mean difference [MD] = 3.13 ml/kg/min, 95% CI = 2.61 to 3.65; I2 = 9.0%); moderate-quality evidence), systolic blood pressure (vs UC: MD = -5.29 mmHg, 95% CI = -8.12 to -2.46; I2 = 45%; low-quality evidence), low-density lipoprotein cholesterol (vs UC: MD = -16.55 mg/dl, 95% CI = -29.97 to -3.14; I2 = 74%; very low-quality evidence), body mass index (vs AC: MD = -0.84 kg/m2, 95% CI = -1.61 to −0.07; moderate-quality evidence; I2 = 0%), and quality of life (QoL; vs UC; SF-12/36 physical: MD = 6.05, 95% CI = 1.77 to 10.34; I2 = 93%, low-quality evidence; mental: MD = 5.38, 95% CI = 1.13 to 9.63; I2 = 84%; low-quality evidence), among others. There were no evidence of effects on mortality or morbidity. Qualitative analyses revealed CR was associated with lower percutaneous coronary intervention, myocardial infarction, better cardiovascular function, and biomarkers, as well as return to life roles; there were other non-significant effects. Two studies reported low cost of home-based CR. Low to moderate-certainty evidence establishes CR as delivered in LMICs improves functional capacity, risk factor control and QoL. While more high-quality research is needed, we must augment access to CR in these settings. PROSPERO (CRD42020185296).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,069
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0310,036
Bibliométrie0,0130,011
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,381
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Cardiovascular DiseasesMême sujetCardiac Health and Mental HealthTravaux en français237 207