Home-Based Cardiac Rehabilitation: A Scientific Statement From the American Association of Cardiovascular and Pulmonary Rehabilitation, the American Heart Association, and the American College of Cardiology
Notice bibliographique
Résumé
Cardiac rehabilitation (CR) is an evidence-based intervention that uses patient education, health behavior modification, and exercise training to improve secondary prevention outcomes in patients with cardiovascular disease. CR programs reduce morbidity and mortality rates in adults with ischemic heart disease, heart failure, or cardiac surgery but are significantly underused, with only a minority of eligible patients participating in CR in the United States. New delivery strategies are urgently needed to improve participation. One potential strategy is home-based CR (HBCR). In contrast to center-based CR services, which are provided in a medically supervised facility, HBCR relies on remote coaching with indirect exercise supervision and is provided mostly or entirely outside of the traditional center-based setting. Although HBCR has been successfully deployed in the United Kingdom, Canada, and other countries, most US healthcare organizations have little to no experience with such programs. The purpose of this scientific statement is to identify the core components, efficacy, strengths, limitations, evidence gaps, and research necessary to guide the future delivery of HBCR in the United States. Previous randomized trials have generated low- to moderate-strength evidence that HBCR and center-based CR can achieve similar improvements in 3- to 12-month clinical outcomes. Although HBCR appears to hold promise in expanding the use of CR to eligible patients, additional research and demonstration projects are needed to clarify, strengthen, and extend the HBCR evidence base for key subgroups, including older adults, women, underrepresented minority groups, and other higher-risk and understudied groups. In the interim, we conclude that HBCR may be a reasonable option for selected clinically stable low- to moderate-risk patients who are eligible for CR but cannot attend a traditional center-based CR program.
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 | 0,067 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,050 | 0,067 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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 ».