Pharmacotherapy for chronic heart failure
Notice bibliographique
Résumé
BACKGROUND: Heart failure is a chronic and progressive disorder which results due to inability of the heart to pump adequate blood to meet up the metabolic demands of the body. Detecting patients with heart failure could be simple but rather complex of clinical decisions as presentation could be classical or non-specific with minimal symptoms and orsigns. Management is aimed at relieving symptoms, improving quality of life, preventing hospitalisation and arresting disease progression thus prolonging survival. In addition to pharmacologic measures, non-pharmacologic ones are also employed. METHOD: Relevant literature was reviewed using medical journals and also via internet. The key words employed were: Heart failure, Chronic heart failure, Diuretics, Vasodilators, Angiotensin receptor blockers (ARBS) and Angiotensin converting enzyme inhibitors (ACEI). The National Heart, Lung and Blood Institute, Canadian Cardiovascular Society, American College of Cardiology websites were also used in the course of this review. RESULTS: This review was able to support the use of betablockers, ACEI, ARBS, digitalis, diuretics, vasodilators and aldosterone antagonists in the management of chronic heart failure. CONCLUSION: The objectives of drug therapy in heart failure includes the short-term goals of stabilising the patient, improving haemodynamic function and conferring symptomatic improvement, as well as the long-term goal of limiting disease progression, decreasing hospital re-admission rates and improving survival. The cause needs to be established and aggravating factors identified (and where possible treated). Most of the drugs, if not all, are used in combination with one another to achieve maximal therapeutic goal. Use of some drugs could be entertained as an add-on therapy depending on any co-existing medical condition.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».