MétaCan
Menu
Retour à la cohorte
Enregistrement W4283789011 · doi:10.1093/eurjcn/zvac060.044

Assessing the quality of cardiac rehabilitation programs by measuring adherence to the Australian quality indicators.

2022· article· en· W4283789011 sur OpenAlexaboutno aff
Carolyn Astley, Alline Beleigoli, Rosanna Tavella, Jeroen Hendriks, Celine Gallagher, R Tirimacco, G Wilson, T Barry, Robyn Clark

Notice bibliographique

RevueEuropean Journal of Cardiovascular Nursing · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research Council
Mots-clésMedicineAccreditationRehabilitationService delivery frameworkFamily medicineCanadian Cardiovascular SocietyQuartileQuality managementMedical educationService (business)Physical therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Funding Acknowledgements Type of funding sources: Public grant(s) – National budget only. Main funding source(s): Australian National Health and Medical Research Council (NHMRC) Background Cardiac rehabilitation (CR) prevents recurrent cardiac events and supports patients’ return to an active and fulfilling lifestyle. Evidence on the efficacy of CR programs is well established, but variability of quality across programs may compromise patient outcomes. Core components, quality indicators (QIs) and accreditation of programs have been introduced internationally to increase program standardisation, quality and outcomes. (1) The Australian Cardiovascular Health and Rehabilitation Association (ACRA) and National Heart Foundation (NHF) recently published 10 QIs for CR, comprising process and outcome indicators that can guide delivery of evidence-based service content (Figure 1). (2) Purpose The aim was to assess the performance of CR programs in Australia through their adherence to the measurement of the Australian QIs. Methods A cross-sectional survey design with face validity testing was used to formulate questions to evaluate CR program performance based on adherence to 9 of the 10 Australian QIs. Between October 2020- December 2021, all 23 CR programs across country and metropolitan areas of South Australia (SA) participated. In addition, each QI was weighted by an expert group of clinician researchers and a service performance score was calculated out of 16. According to the score quartiles, programs could be categorised across 4 performance levels: Poor (0-4.5), Low (5-8.5), Medium (9-12.5) or High (13-16). Results Among the 23 participating CR programs, median wait time from discharge to enrolment (QI-2) was 27 days, (interquartile range 19.0-46.0) and completions of enrolled were 66% (n=1316 /1972). All QIs were measured, but not by all programs. Pre-program QI adherence was higher than post program for depression, medication adherence, health-related quality of life and comprehensive re-assessment (Figure 1). Health-related quality of life (HRQOL) was poorly measured pre and post program (21.7% versus 17.3%). For functional exercise capacity assessment, the six-minute walk test was used by 69.5% of programs. Mean performance score was 11.4 /16 (SD ±0.79). Most (74%) programs were ranked at a medium level of performance, whereas 13% were ranked at low and high levels and none as poor. Conclusions A survey of 23 CR programs showed gaps in adherence to measurement of the ACRA/NHF Quality indicators in SA, including re-assessment (QI9), HRQOL (QI-8), medication adherence (QI-6) and exercise capacity (QI-7). Service performance scores were lower than an Australian national audit for each category, with United Kingdom data showing more services in the high and less in the medium category than SA. These data give us a baseline from which to improve CR service quality and outcomes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,034
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0340,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,090
Tête enseignante GPT0,400
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Cardiovascular NursingMême sujetCardiac Health and Mental HealthTravaux en français237 207