MétaCan
Menu
Retour à la cohorte
Enregistrement W4385342804 · doi:10.1093/eurjcn/zvad064.094

Do ethnic minorities improve in exercise capacity following cardiac rehabilitation? a secondary analysis

2023· article· en· W4385342804 sur OpenAlexaboutno aff
Dion Candelaria, S Duggan, Ling Zhang, R. Gallagher

Notice bibliographique

RevueEuropean Journal of Cardiovascular Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEthnic groupMetabolic equivalentMyocardial infarctionLogistic regressionReferralPhysical therapyRehabilitationCanadian Cardiovascular SocietyAnginaInternal medicinePhysical activityFamily medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Funding Acknowledgements Type of funding sources: Public grant(s) – National budget only. Main funding source(s): SOLVE-CHD NHMRC Grant Background/Introduction Ethnic minorities experience higher rates of cardiovascular disease risks due to a combination of risk factors and socio-cultural influences. While comprehensive cardiac rehabilitation (CR) has well-established benefits for reducing mortality, morbidity, and improving physical fitness, little is known about exercise capacity outcomes for ethnic minorities following CR. Purpose This secondary analysis of data from an observational study aimed to evaluate exercise capacity outcomes of ethnic minorities following CR using 6-minute walk test (6MWT) or metabolic equivalent of task (METs) and to compare it to the majority group. Multiple linear regression models were used to determine if ethnic minority status was an independent predictor of change in 6MWT and METs after adjusting for baseline characteristics (age, sex, diagnosis, smoking, referral site, and wait time). Additionally, a binary logistic regression model was created for completers versus non-completers accounting for baseline variables. Results Participants totalled 2335, of which 326 (14%) were ethnic minorities. The mean age of ethnic minorities was 66.46 (SD 12.12) years, with 228 (70%) males. The most common referral diagnosis was myocardial infarction (27%), angina (25%), other – arrhythmias, cardiac devices, valve diseases/procedures (24%), and cardiac surgery (24%). Ethnic minorities had significantly lower 6MWT scores at baseline compared to the majority (379.9 (SD 118) versus 430.7 (SD 103) meters, p<0.001, but METs were comparable (6.69 (SD 2.73) versus 6.46 (SD 2.28) mg/kg/min, p = 0.69. At CR completion, improvements in 6MWT were equivalent for minority (71.03 (SD 58.57)) and majority (71.37 (SD 61.16)) groups (p = 0.96), as well as METs (minority 3.01 (SD 1.66) versus majority 3.13 (SD 1.74) p = 0.77). Minority status was not an independent predictor of change in 6MWT and METs after accounting for age, sex, diagnosis, smoking, referral site, and wait time. However, participants that were minorities were half as likely to complete (OR 0.49 95% CI 0.38, 0.65). Conclusion Ethnic minorities achieve equivalent improvements in exercise capacity to majority participants following CR. These findings add to the effectiveness evidence of CR, at least for exercise capacity, for diverse populations. However, such benefits would only be gained with adequate participation and CR program completion, which remains poor for ethnic minorities. Improving CR program uptake and completion for ethnic minorities with cardiovascular disease should be prioritised.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,025
Tête enseignante GPT0,312
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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