Trends in cardiac rehabilitation enrollment post-coronary artery bypass grafting upon implementation of automatic referral in Southeast Asia: A retrospective cohort study
Notice bibliographique
Résumé
Introduction: Cardiac rehabilitation (CR) is an effective but underutilized intervention. Strategies have been identified to increase its use, but there is paucity of data testing them in low-resource settings. We sought to determine the effect of automatic referral post-coronary artery bypass graft (CABG) surgery on CR enrollment. Methods: This is a retrospective cohort study assessing cardiac patients referred to CR at a tertiary center in Southeast Asia from 2013 to 2019. The paper-based pathway was introduced at the end of 2012. The checklist with automatic CR referral on the third day post-operation prompted a nurse to educate the patient about CR, initiate phase 1 and encourage enrollment in phase 2. Patients who were not eligible for the pathway for administrative or clinical reasons were referred at the discretion of the attending physician (i.e., usual care). Enrollment was defined as attendance at≥1 CR visit. Results: Of 4792 patients referred during the study period, 394 enrolled in CR. Significantly more patients referred automatically enrolled compared to usual care (225 [11.8%] vs. 169 [5.8%]; OR=2.2, 95% CI=1.8-2.7), with increases up to 23.4% enrollment in 2014 (vs. average enrollment rate of 5.9% under usual referral). Patients who enrolled following automatic referral were significantly younger and more often employed (both P<0.001); no other differences were observed. Conclusion: In a lower-resource, Southeast Asian setting, automatic CR referral is associated with over two times greater enrollment in phase 2 CR, although efforts to maintain this effect are required.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».