Should treatment for heart failure with preserved ejection fraction differ from that for heart failure with reduced ejection fraction?
Notice bibliographique
Résumé
Heart failure with preserved ejection fraction (HF-PEF) accounts for about half of all cases of heart failure.1 Population based studies have shown that patients with HF-PEF have high rates of mortality (20-30% risk at one year)2 3 and readmission to hospital (30% risk at 60-90 days),4 which are similar to the rates for patients with heart failure with reduced ejection fraction (HF-REF). When compared with patients with HF-REF, those with HF-PEF are older, more often female, and more likely to have hypertension and atrial fibrillation, but are less likely to have coronary artery disease.2 3 Identifying patients with HF-PEF can be difficult, however, because heart failure presents in many different ways and the diagnostic criteria that define this syndrome are complex.5 The guideline from National Institute for Health and Clinical Excellence has proposed detailed guidance on diagnosis.6 In practice, the diagnosis of HF-PEF is often made in patients with symptoms and signs of heart failure who have preserved left ventricular ejection fraction. Furthermore, the evidence that supports treatment for HF-PEF is much weaker than that supporting treatment for HF-REF. To date, results from existing clinical trials of HF-PEF have been largely inconclusive, and treatments that have been shown to reduce morbidity and mortality in patients with HF-REF showed either no or only marginal benefits in patients with HF-PEF. To clarify whether treatments that are beneficial in HF-REF may also be beneficial in HF-PEF, we searched Medline, Embase, and the Cochrane Library for all adequately powered randomised controlled trials of treatments for chronic heart failure (HF-PEF or HF-REF) that had reported both mortality and admission to hospital as their primary outcomes. We found no meta-analyses of treatments for HF-PEF, so we depended on studies that would provide the most robust and unbiased estimates of the …
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 | 0,009 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,013 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».