MétaCan
Menu
Retour à la cohorte
Enregistrement W4229453762 · doi:10.4103/who-seajph.who-seajph_62_21

Availability and Delivery of Cardiac Rehabilitation in South-East Asia

2021· article· en· W4229453762 sur OpenAlexaff
Mohiul Islam Chowdhury, Fiorella A. Heald, Karam Turk-Adawi, Marta Supervía, Abraham Samuel Babu, Basuni Radi, Sherry L. Grace

Notice bibliographique

RevueWHO South-East Asia Journal of Public Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensToronto Rehabilitation InstituteYork UniversityUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésEast AsiaRehabilitationGeographyBusinessMedicineChinaPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: The aims of this study were to establish cardiac rehabilitation (CR) availability and density, as well as the nature of programs in South-East Asian Region (SEAR) countries, and to compare this with other regions globally. Methods: In 2016/2017, the International Council of Cardiovascular Prevention and Rehabilitation engaged cardiac associations to facilitate program identification globally. An online survey was administered to identify programs using REDCap, assessing capacity and characteristics. CR density was computed using Global Burden of Disease study annual ischemic heart disease (IHD) incidence estimates. The program audit was updated in 2020. Results: CR was available in 6/11 (54.5%) SEAR countries. Data were collected in 5 countries (83.3% country response); 32/69 (68.1% response rate from 2016/2017) programs completed the survey. These data were compared to 1082 (32.1%) programs in 93/111 (83.3%) countries with CR. Across SEAR countries, there was only one CR spot per 283 IHD patients (vs. 12 globally), with an unmet regional need of 4,258,968 spots annually. Most programs were in tertiary care centers (n = 25, 78.1%; vs. 46.1% globally, P < 0.001). Most were funded privately (n = 17, 56.7%; vs. 17.9%, P < 0.001), and 22 (73.3%) patients were paying out of pocket (vs. 36.2% globally; P < 0.001). The mean number of staff on the multidisciplinary teams was 5.5 ± 3.0 (vs. 5.9 ± 2.8 globally P = 0.268), offering 8.6 ± 1.7/11 core components (consistent with other countries) over 16.8 ± 12.6 h (vs. 36.2 ± 53.3 globally, P = 0.01). Conclusion: Funded CR capacity must be augmented in SEAR. Where available, services were consistent with guidelines, and other regions of the globe, despite programs being shorter than other regions.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,312
Écart entre enseignants0,277 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWHO South-East Asia Journal of Public HealthMême sujetCardiac Health and Mental HealthTravaux en français237 207