Heart Failure with Reduced Ejection Fraction: Comparison of Patient Characteristics and Clinical Outcomes Within Asia and between Asia, Europe and the Americas
Notice bibliographique
Résumé
AIMS: Nearly 60% of the world's population lives in Asia but little is known about the characteristics and outcomes of Asian patients with heart failure with reduced ejection fraction (HFrEF) compared to other areas of the world. METHODS AND RESULTS: We pooled two, large, global trials, with similar design, in 13 174 patients with HFrEF (patient distribution: China 833, India 1390, Japan 209, Korea 223, Philippines 223, Taiwan 199 and Thailand 95, Western Europe 3521, Eastern Europe 4758, North America 613, and Latin America 1110). Asian patients were younger (55.0-63.9 years) than in Western Europe (67.9 years) and North America (66.6 years). Diuretics and devices were used less, and digoxin used more, in Asia. Mineralocorticoid receptor antagonist use was higher in China (66.3%), the Philippines (64.1%) and Latin America (62.8%) compared to Europe and North America (range 32.8% to 49.6%). The rate of cardiovascular death/heart failure hospitalization was higher in Asia (e.g. Taiwan 17.2, China 14.9 per 100 patient-years) than in Western Europe (10.4) and North America (12.8). However, the adjusted risk of cardiovascular death was higher in many Asian countries than in Western Europe (except Japan) and the risk of heart failure hospitalization was lower in India and in the Philippines than in Western Europe, but significantly higher in China, Japan, and Taiwan. CONCLUSION: Patient characteristics and outcomes vary between Asia and other regions and between Asian countries. These variations may reflect several factors, including geography, climate and environment, diet and lifestyle, health care systems, genetics and socioeconomic influences.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».