296Clinical benefit of assessing cognitive function in frail patients with heart failure: a multicenter prospective cohort study
Notice bibliographique
Résumé
Abstract Background Cognitive decline is highly prevalent in patients with heart failure (HF) and increases the risk of hospital readmission or mortality due to poor self-care ability. Although cognitive decline often coexists with physical frailty (PF) in HF, the clinical utility of combined assessment of both cognitive function and PF remains unclear. Purpose The aim of this study was to examine the prognostic value of assessing cognitive function and PF in patients with HF. Methods This prospective study was performed as a multicenter cohort study in Japan (FLAGSHIP). We enrolled 1611 patients admitted for acute HF or exacerbation of chronic HF and who were able to walk at discharge. Patients with severe dementia [Mini-Mental State Examination (MMSE) scores <18], severe psychological disorders or less than 6-month life expectancy were excluded. From data at discharge, we collected data on cognitive function, PF, age, gender, New York Heart Association class, left ventricular ejection fraction, brain natriuretic peptide, estimate glomerular filtration rate, hemoglobin, depression (5-item geriatric depression scale ≥2) and comorbidities, including atrial fibrillation, diabetes mellitus, stroke, and hyponatremia. PF was defined as ≥2 of the followings based on our previous publication: usual walking speed <0.8 m/s; grip strength <26 kg (men) or <17 kg (women); Performance Measure of Activity in Daily Living-8 ≥21; body mass index <20 kg/m2. Cognitive function was assessed by MMSE. We selected the optimal cutoff point of MMSE that predict a worse outcome by the receiver operating characteristic (ROC) curve analysis. Study outcome was a composite outcome of rehospitalization for worsening HF or all-cause mortality within 2 years after discharge. We used Cox proportional-hazard models to examine the association between the presence of cognitive decline and PF and 2-years prognosis, controlling for potential confound factors. Results A total of 507 events (31.5%) were observed (400 HF rehospitalization, 27 cardiac death, 80 non-cardiac death). The optimal cutoff point of MMSE was 28 (the area under the ROC curve: 0.58, p<0.01, sensitivity: 71.0%, specificity: 41.0%). There was a significant difference in event-free survival across the groups stratified by cognitive decline (MMSE <28) and PF (Figure). After adjusting for all variables, coexistence of both cognitive decline and PF was independently associated with 2-years prognosis (hazard ratio: 1.52, 95% confidence interval: 1.19–1.94). Conclusion Our data shows that even a slight decline in cognitive function leads to an increased risk of death or HF rehospitalization in frail patients with HF. Combined assessment both cognitive function and PF improves risk stratification for readmission and mortality in patients with HF. Acknowledgement/Funding This work was supported by a Grant-in-Aid for Scientific Research (A) from the Japan Society for the Promotion of Science [16H01862].
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».