Prognostic importance of temporal changes in resting heart rate in heart failure patients: an analysis of the CHARM program
Notice bibliographique
Résumé
BACKGROUND: Resting heart rate (HR) is a predictor of adverse outcome in patients with heart failure (HF). Whether changes in HR over time in patients with chronic HF are also associated with adverse outcome is unknown. We explored the relationship between changes in HR from a preceding visit, time-updated HR (i.e. most recent available HR value from a clinic visit) and subsequent outcomes in patients with chronic HF. METHODS AND RESULTS: We studied 7599 patients enrolled in the candesartan in heart failure: assessment of reduction in mortality and morbidity program. We calculated change in HR from the preceding visit and explored its association with outcomes in Cox proportional hazards models, as well the association between time-updated HR and outcome. An increase in HR from preceding visit was associated with a higher risk of all-cause mortality and the composite endpoint of cardiovascular death or hospitalization for HF (adjusted hazard ratio 1.06, 95% confidence intervals, CI: 1.05-1.08, P < 0.001, per 5 b.p.m. higher HR), with lowering of HR being associated with lower risk, adjusting for covariates, including time-updated β-blocker dose and baseline HR. Time-updated resting HR at each visit was also associated with risk (adjusted hazard ratio 1.07, 95% CI: 1.06-1.09; P < 0.001, per 5 b.p.m. higher HR). CONCLUSIONS: Change in HR over time predicts outcome in patients with chronic HF, as does time-updated HR during follow-up. These data suggest that frequent outpatient monitoring of HR, and identification of changes over time, possibly with remote technologies, may identify patients with HF who may be at increased risk of rehospitalization or death.
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 | 0,005 | 0,001 |
| 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 | 0,001 |
| 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 ».