MétaCan
Menu
Retour à la cohorte
Enregistrement W2501340786 · doi:10.1161/circoutcomes.5.suppl_1.a74

Abstract 74: A Population-Based Study to Evaluate the Effectiveness of Multi-Disciplinary Heart Failure Clinics and Identify Important Service Components

2012· article· en· W2501340786 sur OpenAlexaffabout
Harindra C. Wijeysundera, Gina Trubiani, Xuesong Wang, Nicholas Mitsakakis, Peter C. Austin, Dennis T. Ko, Douglas S. Lee, Jack V. Tu, Murray Krahn

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensToronto Public HealthInstitute for Clinical Evaluative SciencesSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineHazard ratioHeart failureCohortPopulationInternal medicinePropensity score matchingProportional hazards modelEmergency medicineRandomized controlled trialCohort studyConfidence interval

Résumé

récupéré en direct d'OpenAlex

Background Multi-disciplinary heart failure (HF) clinics improve outcomes for HF patients in randomized clinical trials. It is unclear if this efficacy translates to real world effectiveness. Accordingly, our objectives were to 1) compare real world outcomes of HF patient treated in HF clinics vs that in standard care and 2) identify HF clinic features associated with improved outcomes. Methods The service components at all 34 HF clinics in Ontario, Canada were evaluated and scored using a validated instrument. Based these scores, the clinics were categorized by an expert panel into high/medium or low intensity strata. Our cohort consisted of all patients discharged alive after a HF hospitalization in 2006-07. Patients were classified as either HF clinic or standard care patients and followed until March 31st, 2010, to evaluate mortality, all-cause hospitalization, and HF hospitalization. Propensity score matching was used to compare outcomes between comparable groups of patients in the two groups, using Kaplan-Meier survival curves. We explored the clinic level characteristics associated with improved outcomes by developing marginal Cox-proportional hazard models, restricted to the overall sample of HF clinic patients, so as to account for clustering by HF clinic. Results We identified 14,468 HF patients, of whom 1,288 were seen in HF clinics. In a matched sample of 1,288 pairs, systematic differences between groups were substantially reduced. Over 3 years of follow-up, 52.1% of HF clinic patients died, compared to 54.7% of standard care patients (p-value 0.02). HF clinic patients had a significant increase in hospitalization (87.4% vs 86.6% for all-cause [p-value 0.009]; 58.7% vs 47.3% for HF-related [p-value <0.001]). Clinics in the high intensity strata were associated with lower mortality (hazard ratio [HR] 0.68 (95% confidence interval [CI] 0.48-0.98; p-value 0.04) but higher rates of all-cause hospitalization (HR 1.48; 95% CI 1.01-2.18; p-value 0.04) and HF hospitalization (HR 1.98; 95% CI 1.42-2.77; p-value <0.001), compared to low intensity clinics. HF clinics that targeted both the patient and caregiver were associated with improved survival compared to those that only focused on the patient, as were clinics with an emphasis on peer support. Clinics with frequent contacts between providers and patients had a significant reduction in mortality (HR 0.15; 95% CI 0.09-0.25; p-value <0.0001). A more intensive medication management program was associated with reduced all cause and HF hospitalization (HR 0.35 and HR 0.27 respectively). Conclusions Multi-disciplinary HF clinics are associated with a decrease in mortality but increase in re-hospitalizations compared to standard care. A gradient was observed between clinic intensity and outcomes whereby greater intensity of clinic services was associated with mortality reductions but increased hospitalization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,414
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207