The Effect of Diuretics on Patients with Heart Failure: A Network Meta-Analysis: Diuretics Effect on Heart Failure Patients
Notice bibliographique
Résumé
PURPOSE: We aimed to comprehensively evaluate the curative effect of torasemide, tolvaptan, furosemide and azosemide on patients with heart failure. METHODS: Relevant studies were retrieved by searching the electronic databases until May 2018. Quality assessment and data extraction of selected studies were evaluated by two reviewers. Heterogeneity across studies was assessed utilizing the I2 statistic and Q- test, and appropriate effect model was selected to calculate the pooled effect size. Network meta-analysis was conducted and the convergence degree of model was evaluated. RESULTS: A total of 12 studies were enrolled in this study. Significant heterogeneity was not identified across the studies. Significantly greater differences were found in left ventricular ejection fraction (LVEF) for furosemide VS. azosemide, in brain natriuretic peptide (BNP) for furosemide VS. azosemide and furosemide VS. torasemide, and in adverse effects for furosemide VS. torasemide through Meta-analysis of direct comparison. In addition, network meta-analysis results suggested there were no significant differences in adverse effects, mortality, BNP and LVEF among these groups. However, the relatively low mortality and small improvement of BNP and LVEF were found in HF patients treated with torasemide. CONCLUSION: Torasemide might be an optimal treatment for HF patients considering its comprehensive curative effect.
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 | 0,013 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,037 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».