Heart failure disease management program, its contribution to established pharmacotherapy and long-term prognosis in real clinical practice - retrospective data analysis
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 AND AIMS: The prognosis of patients with heart failure (HF) is still generally unfavorable. HF with reduced ejection fraction (HFrEF) patients reach target medication doses in very low percentages in daily clinical practice. HF disease management programs (DMP), including nurse and telemedicine support that facilitate achieving target medication doses, may improve the unfavorable prognosis. METHODS: We retrospectively analyzed the data of 738 patients with HFrEF who were followed in a single HF center during the years 1975-2011, for 6.4 (median) years. DMP, nurse and telemedicine support is established at this center. RESULTS: The group achieved left ventricle (LV) recovery after the HF treatment. The median LV ejection fraction improved from 25.0% at baseline to 50.0% at the time of the latest data collection. The proportion of NYHA II, III and IV classes decreased from 27.6%, 30.2% and 29.7% to 26.6%, 7.2% and 0.1%, respectively while the proportion of NYHA class I increased from 12.5% to 66.1%. Median NT-proBNP decreased from 975.0 to 324.0 pg/mL. The survival of the patient group was favorable; 79.7% survived 18.1 years after diagnosis of HF. A high percentage of the patients received recommended target or higher than target doses of angiotensin-converting enzyme inhibitors (82.0%) and beta-blockers (78.1%). CONCLUSION: The established pharmacotherapy resulted from an effective DMP and this contributed to the favorable prognosis.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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