MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403818887 · doi:10.1093/eurheartj/ehae666.2978

Personalized cardiac rehabilitation in older geriatric patients: an analysis of age, heart failure subtypes, and physical metrics

2024· article· en· W4403818887 sur OpenAlexaff
Saleena Gul Arif, Louise C. Mâsse, Ann Walling

Notice bibliographique

RevueEuropean Heart Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureRehabilitationPhysical therapyGeriatric rehabilitationPhysical medicine and rehabilitationCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background While cardiac rehabilitation (CR) is recognized for enhancing physical fitness, psychological well-being, and overall quality of life in cardiac patients, its universal application often overlooks the heterogeneity within the geriatric population. This study delves into the effectiveness of CR among older geriatric patients, aiming to uncover the disparities in response across various demographics, heart failure subtypes, and angina classifications, thereby underscoring the imperative for personalized CR programs. Methods We retrospectively analyzed 438 CR participants from December 2020 to December 2023, stratifying them by age (median: 65.14 years, IQR: 57.23-72.64), sex (23.74% female), heart failure subtype, and CCS angina class to identify distinct response patterns to CR. The analysis included a comprehensive assessment of physical metrics pre- and post-12-week CR program following cardiac surgeries, transcatheter procedures, coronary events, and/or interventions. We employed the Wilcoxon Rank Sum test for statistical analysis, focusing on identifying non-responders and quantifying effect sizes (r) to determine the magnitude of change across various physical metrics. Results Notable improvements were observed in metabolic equivalents (METs) (+1.82), oxygen uptake (VO2 peak) (+6.36 mL/kg/min), Duke Activity Status Index (DASI) score (+14.79), moderate to vigorous physical activity (MVPA) (+131.28 minutes/week), sitting time (-1.21 hours/day), total activity (+145.65 minutes/week) and sit-to-stand repetitions (+2.65). The greatest effect sizes were observed in DASI score (r=0.750) and sit-to-stand (r=SIS) repetitions (r=0.610), consistent across demographics, heart failure, and CCS categories. Other metrics noted variable changes, with handgrip strength showing no consistent trend. Sensitivity analyses revealed that older geriatric patients (≥ 80 years) with HFpEF experienced significant improvements in DASI score (r=0.638), MVPA (r=0.636), and SIS (r=0.504), while those with HFrEF and HFmrEF showed no significant improvements in any physical metrics. CCS angina classification, common comorbidities, and initial referral events did not significantly influence outcomes. Conclusion This study reaffirms the efficacy of CR but crucially identifies the gaps in its universal application, particularly among older geriatric patients with diverse heart failure subtypes. Our analysis advocates for developing personalized CR programs tailored to patients' individual profiles to enhance effectiveness of rehabilitation. By addressing these specific needs, we can ensure more inclusive and optimized patient care, ultimately supporting the expansion of CR indications to foster a more holistic approach to cardiac health in the geriatric population.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,334
Écart entre enseignants0,317 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal→Même sujetCardiac Health and Mental Health→Travaux en français237 207→