Development and validation of a multidimensional tool for baseline functional phenotyping in cardiac rehabilitation
Notice bibliographique
Résumé
BACKGROUND: Functional recovery after cardiac events is heterogeneous, with up to 40% of patients showing limited improvement despite standardized rehabilitation. Current assessment tools demonstrate modest accuracy (~ 61%) and rarely capture the multidimensional aspects of functional status. This study aimed to develop and internally validate a pragmatic bedside functional stratification tool for patients entering cardiac rehabilitation. METHODS: We conducted a cross-sectional study of 80 patients (mean age 72.7 ± 5.2 years, 65% male) at rehabilitation intake. Four routinely available parameters were assessed: age, six-minute walk test (6MWT), Timed Up and Go (TUG), and the Edmonton Frail Scale (EFS). Each was categorized into four levels (0–3 points), yielding a composite score of 0–12. Patients were stratified as Low (0–3), Moderate (4–6), High (7–9), or Very High (10–12) functional impairment. Internal validation employed bootstrap resampling (n = 1000). RESULTS: Functional capacity declined progressively across categories: 6MWT decreased from 364.3 ± 75.7 m (Low Impairment) to 185.2 ± 32.9 m (Very High Impairment), and TUG increased from 6.9 ± 1.0 s to 14.2 ± 2.8 s (all p < 0.001). The composite score correlated strongly with functional performance (r = − 0.75, p < 0.001) and demonstrated excellent discrimination (AUC 0.93, 95% CI 0.87–0.97), outperforming individual measures. Bootstrap validation confirmed stability. CONCLUSIONS: We propose a simple, multidomain bedside score requiring ~ 25 min and no specialized equipment. This tool enables functional stratification at rehabilitation intake, supports personalized care, and facilitates matching rehabilitation pathways to baseline functional status. External validation is warranted.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».