Validity of Self-reported Self-Care Assessment and Determinants of Self-Care Practices in Older Patients with Heart Failure
Notice bibliographique
Résumé
Background: Self-care as a disease management strategy in heart failure (HF) is important for the prevention of rehospitalisation, but it is difficult to assess and does not always reflect actual self-care practices. This study aimed to compare self-reported self-care assessments and actual self-care practices in older patients with HF and examine factors influencing self-care performance. Methods: We included 64 patients with HF aged ≥65 years who had been hospitalised and prescribed rehabilitation with stable symptoms between April 2019 and September 2020. We assessed the B-type natriuretic peptide levels and New York Heart Association (NYHA) classification, Short Physical Performance Battery (SPPB), grip strength, and the Japanese version of the Montreal Cognitive Assessment (MoCA-J). We used the European Heart Failure Self-care Behaviour Scale (EHFScBS) to assess self-care behaviour in patients with HF. The patients filled in a self-assessment chart during their stay, which was used to work out the self-care implementation rate. Results: No significant correlation between the self-care implementation rate and the EHFScBS was identified (r= −0.160, p=0.207). Multiple regression analysis of factors associated with the rate of self-care and EHFScBS revealed that age, NYHA classification, SPPB and MoCA-J scores were significantly associated with the rate of self-care; however, no factors were associated with EHFScBS. The results were similar irrespective of the presence or absence of cognitive decline. Conclusion: In older patients with HF, the self-reported assessment of self-care did not reflect actual self-care performance. A reliable self-care behaviour scale needs to be developed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».