Remote Monitoring for Implantable Defibrillators: A Nationwide Survey in Italy
Notice bibliographique
Résumé
BACKGROUND: Remote monitoring (RM) permits home interrogation of implantable cardioverter defibrillator (ICD) and provides an alternative option to frequent in-person visits. OBJECTIVE: The Italia-RM survey aimed to investigate the current practice of ICD follow-up in Italy and to evaluate the adoption and routine use of RM. METHODS: An ad hoc questionnaire on RM adoption and resource use during in-clinic and remote follow-up sessions was completed in 206 Italian implanting centers. RESULTS: The frequency of routine in-clinic ICD visits was 2 per year in 158/206 (76.7%) centers, 3 per year in 37/206 (18.0%) centers, and 4 per year in 10/206 (4.9%) centers. Follow-up examinations were performed by a cardiologist in 203/206 (98.5%) centers, and by more than one health care worker in 184/206 (89.3%) centers. There were 137/206 (66.5%) responding centers that had already adopted an RM system, the proportion of ICD patients remotely monitored being 15% for single- and dual-chamber ICD and 20% for cardiac resynchronization therapy ICD. Remote ICD interrogations were scheduled every 3 months, and were performed by a cardiologist in 124/137 (90.5%) centers. After the adoption of RM, the mean time between in-clinic visits increased from 5 (SD 1) to 8 (SD 3) months (P<.001). CONCLUSIONS: In current clinical practice, in-clinic ICD follow-up visits consume a large amount of health care resources. The results of this survey show that RM has only partially been adopted in Italy and, although many centers have begun to implement RM in their clinical practice, the majority of their patients continue to be routinely followed-up by means of in-clinic visits.
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 | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».