Is there a difference in weight over time in heart failure patients based on cognitive function?
Notice bibliographique
Résumé
Background and Objectives: Patients with heart failure (HF) have a high hospital readmission rate within 30 days of discharge due to dyspnea caused by water weight gain. Additionally, 22% of HF patients have cognitive impairment (CI) impacting their ability to engage in self-care activities. There is a paucity of research to measure the impact of cognitive function on change in weight over time. Design: This was an observational, longitudinal study of adult patients, with Class II-IV HF who were evaluated at time of discharge (T1) from a hospitalization for acute exacerbation of HF and at a clinic visit (T2) 4-8 weeks after discharge. The participants completed a 30-point Montreal Cognitive Assessment (MoCA) Inventory tool, and were weighed at T1 and T2. Results: Twenty-one participants (mean age 67.1 ± 12.2, 76.2% male, 81% Caucasian) completed both visits. The MoCA cutoff for mild CI was 24, where 42.9% of this sample scored below 24 at baseline. The change in weight between T1 and T2 was not statistically different (M change 0.43, SD 9.64; 95% CI, - 4.08 to 4.94; p = .84). The Independent T test of a change in weight in those HF participants with and without CI was not statistically different (high MoCA score, M change in weight = 0.62, SD 11.22; low MOCA scores, M change in weight = 0.20, SD 7.94; t(df 18) = - 0.09, p = .93). The re-hospitalization rate was 23.80% (n = 5). No cognitive assessment was documented in the medical record by healthcare professionals at time of hospital admission or at the clinic visit. Conclusion: Findings demonstrated there was no statistically significant difference in change in weight over time when participants were divided into low or high scores on the MoCA. The hospital readmission rate for HF was similar to that reported in other studies. This study found that assessments of cognitive function in HF are not being documented in the medical record. This study lays the groundwork for a larger study of the impact of CI on change in weight over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».