Trends in Noncardiovascular Comorbidities Among Patients Hospitalized for Heart Failure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The increase in medical complexity among patients hospitalized with heart failure (HF) may be reflected by an increase in concomitant noncardiovascular comorbidities. Among patients hospitalized with HF, the temporal trends in the prevalence of noncardiovascular comorbidities have not been well described. Methods and Results: We used data from 207 984 patients in the Get With The Guidelines–Heart Failure registry (from 2005 to 2014) to evaluate the prevalence and trends of noncardiovascular comorbidities (chronic obstructive pulmonary disorder/asthma, anemia, diabetes mellitus, obesity [body mass index ≥30 kg/m 2 ], and renal impairment) among patients hospitalized with HF. Medicare beneficiaries aged ≥65 years were used to assess 30-day mortality. The prevalence of 0, 1, 2, and ≥3 noncardiovascular comorbidities was 18%, 30%, 27%, 25%, respectively. From 2005 to 2014, there was a decline in patients with 0 noncardiovascular comorbidities (22%–16%; P <0.0001) and an increase in patients with ≥3 noncardiovascular comorbidities (18%–29%; P <0.0001). Among Medicare beneficiaries, there was an increased 30-day adjusted mortality risk among patients with 1 noncardiovascular comorbidity (hazard ratio, 1.16; 95% confidence interval, 1.09–1.24; P <0.0001), 2 noncardiovascular comorbidities (hazard ratio, 1.34; 95% confidence interval, 1.25–1.44; P <0.0001), and ≥3 noncardiovascular comorbidities (hazard ratio, 1.63; 95% confidence interval, 1.51–1.75; P <0.0001). Similar trends were seen for in-hospital mortality. Conclusions: Patients admitted in hospital for HF have an increasing number of noncardiovascular comorbidities over time, which are associated with worse outcomes. Strategies addressing the growing burden of noncardiovascular comorbidities may represent an avenue to improve outcomes and should be included in the delivery of in-hospital HF care.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 découle