Factors associated with β-blocker initiation and discontinuation in a population-based cohort of seniors newly diagnosed with heart failure
Notice bibliographique
Résumé
PURPOSE: β-Blockers (bisoprolol, carvedilol, and metoprolol) are the cornerstone of heart failure (HF) management. The incidence rate of β-blocker initiation and discontinuation and their associated factors among seniors with a first HF diagnosis were assessed. METHODS: A population-based inception cohort study that included all individuals aged ≥65 years with a first HF diagnosis in Quebec was conducted. β-Blockers initiation among 91,131 patients who were not using β-blockers at the time of HF diagnosis and discontinuation among those who initiated a β-blocker after HF diagnosis were assessed. Stepwise Cox regression analyses were used to calculate hazard ratios (HR) and to identify factors associated with β-blocker initiation and discontinuation. RESULTS: After HF diagnosis, 32,989 (36.2%) individuals initiated a β-blocker. Of these, 15,408 (46.7%) discontinued their β-blocker during the follow-up. Individuals more likely to initiate a β-blocker were those diagnosed in a recent calendar year (2009: HR, 2.11; 95% confidence interval [CI], 2.00-2.23) and diagnosed by a cardiologist (HR, 1.38; 95% CI, 1.34-1.42). Individuals less likely to initiate were those aged ≥90 years (HR, 0.65; 95% CI, 0.61-0.68) and those with chronic obstructive pulmonary disease (HR, 0.66; 95% CI, 0.64-0.68). Individuals more likely to discontinue were those with more than nine medical consultations (HR, 1.14; 95% CI, 1.10-1.18) and those with dementia (HR, 1.13; 95% CI, 1.01-1.27). Individuals less likely to discontinue were those diagnosed in a recent calendar year (2009: HR 0.74; 95% CI, 0.65-0.82) and those exposed to another β-blocker before HF diagnosis (HR, 0.88; 95% CI, 0.85-0.91). CONCLUSION: Quebec seniors seem to be underexposed to β-blocker following HF diagnosis. Among those who initiate β-blocker use, discontinuation is high. Better understanding of the underlying causes is needed to help target interventions to improve the management of HF.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».