MétaCan
Menu
← Retour à la cohorte
Enregistrement W7127913145 · doi:10.1093/eurheartj/ehaf784.3923

Aging and aerobic endurance adaptations during in-patient cardiac rehabilitation

2025· article· en· W7127913145 sur OpenAlexaff
Gloria Petrasch, H Brito Da Silva, E Alba Schmidt, Sonja Sichler, M Albus, J Riess, Greta Hametner, E Di Carluccio, J Vontobel, M Haykowsky, D A V I D Niederseer

Notice bibliographique

RevueEuropean Heart Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRehabilitationIncidence (geometry)Aerobic exercisePopulationCohortDiseaseRetrospective cohort studyCohort study

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The global population is undergoing a significant demographic shift, with the number of individuals ≥65 years is expected to double in the next 25 years. Aging is a major non-modifiable risk factor for cardiovascular disease (CVD), and as the population grows older, the incidence of cardiovascular events is expected to rise. Following cardiac surgery, older adults often experience impairments in performing activities of daily living (ADLs), which can lead to prolonged hospital stays, increased dependence on long-term care, and rising healthcare costs. Conversely, higher ADL frequency is associated with improved clinical outcomes in older patients with CVD, emphasizing the need for targeted rehabilitation strategies. Aerobic endurance (six-minute walk distance, 6MWD) is a key predictor of mortality and long-term independent living, underscoring its crucial role in post-surgical recovery. Given the aging population, preventing a decline of aerobic endurance in older patients undergoing cardiac surgery is of paramount importance for independent living. Aim To compare changes in 6MWD across different age groups in patients participating in a cardiac rehabilitation in the early period post event. Materials & Methods This retrospective single-center cohort study analyzed data from patients who underwent in-patient, exercise-based cardiac rehabilitation between December 2022 and June 2024. Aerobic endurance was assessed using 6MWD at both admission and discharge. Descriptive analyses were performed for age group comparisons. Pearson’s correlation coefficient was used to assess the association between change in 6MWD and age. We performed linear regression to examine the relationship between change in 6MWD and the predictors age and sex. Results A total of 865 patients were included in this analysis (22.2% female) with a median rehabilitation stay of 20 days (quartiles: 20-27 days). A positive 6MWD change was displayed across both sexes and all age groups, including older adults. Descriptive data is depicted in Figure 1. The 6MWD change between admission and discharge showed a weak negative correlation with age (Pearson’s r = -0.11, p = .003) (Fig. 2). Linear regression analysis showed that age was a significant predictor for 6MWD change (β = -0.78, 95% CI: -1.31, -0.25, p = .004). Sex was not a significant predictor for 6MWD change (β = -4.04, 95% CI: -18.52, 10.44, p = .584). Conclusion Across all age groups and both sexes in early access cardiac rehabilitation presenters increase in 6MWD was observed. This improvement suggests that exercise-based rehabilitation shortly after cardiac surgery might be beneficial for patients as the improvement exceeded more than twice the Minimal Important Difference as reported for different cardiovascular diseases. Figure 2.Relationship Age and 6MWD

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,319
Écart entre enseignants0,302 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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