Screening and Initiating Supportive Care in Patients With Heart Failure
Notice bibliographique
Résumé
Background: Patients with heart failure (HF) experience a major symptom burden and an overall reduction of quality of life. However supportive care (SC) remains an under-utilized resource for these patients. Among the many existing barriers to integrating SC into routine care, identifying patients with SC needs remains challenging. The Kansas City Cardiomyopathy Questionnaire (KCCQ) is an important predictor of SC needs in patients with HF. Methods and Results: We used the shortened version KCCQ-12 as a screening tool for SC need in our ambulatory HF patient population using a KCCQ-12 summary score of <29 as the cut-off. Of the 456 patients who completed the KCCQ-12, 41 (9%) were predictive to have SC needs. Demographics, medical history, biochemical and echocardiographic assessment and medical treatment were similar between the two groups of patients. However, patients with KCCQ-12 <29 were more symptomatic based on NYHA classification with a higher prevalence of depression. We established a multidisciplinary SC clinic and the profile and outcomes of patients with SC needs that were referred and followed at our SC clinic were also evaluated. Twenty-three patients were referred to our SC clinic: 2 died before being seen, 1 refused SC and 20 received SC. Of these 20 patients, 11 died and 9 are currently being followed. Median survival after starting the SC clinic is 3 months. Conclusions: The magnitude of unmet supportive care needs in patients with HF is significant. While the KCCQ-12 questionnaire is a useful tool to identify patients with SC, serial clinical evaluation, establishment of a SC clinic and prompt referral are essential for patients needing supportive 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.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».