Cardiorespiratory fitness estimations and their ability to predict all-cause mortality in patients with cardiovascular disease
Notice bibliographique
Résumé
Background: In cardiac rehabilitation programs, cardiorespiratory fitness is commonly estimated (eCRF) from the maximum workload achieved on a graded exercise test. This study compared four well-established eCRF equations in their ability to predict mortality in patients with cardiovascular disease (CVD). Methods: A total of 7269 individuals with CVD were studied (81% male; age 59.4 ± 10.3yr). eCRF was calculated using equations from the American College of Sports Medicine, Bruce et al., the Fitness Registry and the Importance of Exercise International Database, and McConnell and Clark. The eCRF from each equation was compared with a RMANOVA. Cox proportional hazard models assessed the relationship between the eCRF equations and mortality risk. The predictive ability of the models was compared using the concordance index. Results: < 0.05). The concordance index values for each of the models were the same (0.77) indicating similar predictive performance. Conclusions: The four well-established eCRF equations did not differ in their ability to predict mortality in patients with CVD, indicating any could be used for this purpose. However, the differences in eCRF from each of the equations suggest potential differences in their ability to guide clinical care and should be the focus of future research.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».