Predictors of Enrollment in Cardiac Rehabilitation Programs in Spain
Notice bibliographique
Résumé
In Brief PURPOSE: Cardiac rehabilitation (CR) is very effective for secondary prevention of cardiovascular disorders. The objective of this study was to analyze population factors associated with nonenrollment of cardiac patients in these programs. METHODS: Retrospective study of 756 patients referred to the cardiac rehabilitation program (CRP) of a tertiary referral hospital with a service area population of more than 640 000 from January 2009 to June 2012. We assessed the relationship between population characteristics of these patients and nonenrollment by logistic regression analysis. RESULTS: There were 2386 hospital admissions for an acute coronary syndrome during the study period. Out of the 2355 patients who were alive at discharge, 756 (632 men and 124 women) were referred for CR (32.1% vs 3% state average and vs 51% European average). Of these patients, 20.9% did not enroll. The referral rate was lower among women than among men (P < .001). The characteristics associated with a lower rate of enrollment in the program were age (OR: 1.05; 95% CI: 1.02-1.09), living alone (OR: 4.54; 95% CI: 2.53-8.16), living further than 50 km from the CR unit (OR: 2.90; 95% CI: 1.29-6.41) and, in women, having a history of cardiovascular disease (recurrent myocardial infarction) (OR: 6.35; 95% CI: 2.53-11.81). CONCLUSIONS: The rate of referral for CR in our setting is well above the national average but still could be improved. We identified older age, living alone, travel distance to the cardiac rehabilitation unit, and, in women, a history of a previous myocardial infarction as barriers to enrollment in CRPs. Cardiac rehabilitation programs are very effective for secondary prevention. The aim of this study was to analyze population factors associated with nonenrollment of referred cardiac patients in the program. We identified older age, living alone, history of myocardial infarction, and travel distance to the cardiac rehabilitation unit as barriers to enrollment.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».