A Population-Based Study to Evaluate the Effectiveness of Multidisciplinary Heart Failure Clinics and Identify Important Service Components
Notice bibliographique
Résumé
BACKGROUND: Multidisciplinary heart failure (HF) clinics are efficacious in clinical trials. Our objectives were to compare real-world outcomes of patients with HF treated in HF clinics versus usual therapy and identify HF clinic features associated with improved outcomes. METHODS AND RESULTS: The service components at all HF clinics in Ontario, Canada, were quantified using a validated instrument and categorized as high/medium/low intensity. We used propensity-scores to match HF clinic and control patients discharged alive after a HF readmission in 2006-2007. Outcomes were mortality, and both all-cause and HF readmission. Cox-proportional hazard models were used to evaluate HF clinic-level characteristics associated with improved outcomes. We identified 14 468 patients with HF, of whom 1288 were seen in HF clinics. Within 4 years of follow-up, 52.1% of patients treated at a HF clinic died versus 54.7% of control patients (P=0.02). Patients treated at HF clinics had increased readmissions (87.4% versus 86.6% for all-cause [P=0.009]; 58.7% versus 47.3% for HF related [P<0.001]). There was no difference between high, medium, or low intensity clinics in terms of mortality, all-cause, or HF readmissions. HF clinics with greater frequency of visits (>4 contacts of significant duration for 6 months) were associated with lower mortality (hazard ratio, 0.14; P<0.0001) and hospitalization (hazard ratio, 0.69; P=0.039). More intensive medication management was associated with lower all-cause (hazard ratio, 0.46; P<0.001) and HF readmission (hazard ratio, 0.42; P<0.001). CONCLUSIONS: In this real-world population-based study, we found that multidisciplinary HF clinics are associated with a decrease in mortality, but an increase in readmissions.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».