Wearable Devices for Exercise Prescription and Physical Activity Monitoring in Patients with Various Cardiovascular Conditions
Notice bibliographique
Résumé
As wearable technologies have become increasingly affordable, accessible, and practical, an increasing number of people with cardiovascular disease (CVD) are beginning to use consumer-grade devices. Common health and wellness metrics reported by wearable devices include heart rate [HR], heart rhythm, and step count, which may afford opportunities to assess cardiovascular conditions, prescribe more personalized exercise for enhanced engagement, and monitor physical activity adherence in patients with CVD. This narrative review discusses the application of wearable devices in patients with coronary artery disease (CAD), heart failure (HF), atrial fibrillation (AF), cardiac implantable electric devices (CIEDs), and peripheral artery disease (PAD) in different cardiovascular rehabilitation settings (e.g., supervised and home-based). Available literature suggests that, when combined with telemonitoring, wearable devices can increase physical activity participation, thereby improving peak oxygen consumption (VO 2peak ) and quality of life (QoL) in patients with CAD, enhancing physical function and QoL in patients with HF, and increasing walking capacity and VO 2peak in patients with PAD. Wearable devices can also detect AF vs. sinus rhythm and guide exercise timing in patients with AF, and monitor safe exercise intensity in patients equipped with CIEDs. In conclusion, healthcare professionals can promote physical activity by incorporating wearable devices. Wearable devices can also help motivate device users by providing real-time feedback on their behaviours. Commercially available wearable devices have the potential to enhance engagement in physical activity, thereby augmenting the established effects of exercise programs on VO 2peak , functional capacity, and QoL in patients with various cardiovascular conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».