P4515The aging heart failure patient: frailty and cognitive impairment more common than you would expect - baseline data of the heart-brain clinic
Notice bibliographique
Résumé
Abstract Background Heart failure (HF) is a cardiovascular disease that is increasing by epidemic proportions, largely due to an aging society and therapeutic advances in disease management. Because heart failure is largely a cardiogeriatric syndrome, age-related syndromes such as frailty and cognitive impairment are common in heart failure patients. Purpose To assess the prevalence and determinants of frailty and cognitive impairment in a HF population ≥60 years of age. Methods Data from n=236 patients with HF (77±9 years; 43% female) visiting the heart-brain clinic in Amsterdam in 2018–2019. HF severity was evaluated by NT-proBNP and NYHA-classification. Frailty was assessed using Fried's frailty criteria, cognition using the Montreal cognitive assessment (MoCa). Logistic regression analyses were performed to evaluate which variables were associated with frailty and cognitive impairment. Results Median (IQR) NT-proBNP was 2000 (876–3469) pmol/L, 38% of patients had NYHA III-IV. 51% of patients were pre-frail and 28% frail. 77% of the patients were (mildly) cognitive impaired. Age, NYHA-classification III-IV, NT-proBNP>2000 pmol/L and use of ≥10 drugs were associated with frailty; HR (95% CI): 2.0 (1.4–3.0) per 10 years, 3.4 (1.9–6.2), 1.8 (1.0–3.2) and 1.8 (1.4–3.3) respectively. Age was associated with cognitive impairment; HR (95% CI) 2.2 (1.4–3.6) per 10 years. Figure 1 Conclusion(s) Frailty affects almost a third of the patients with HF and is more prevalent in older patients and those with more severe HF. Screening for frailty and cognitive impairment should be part of the standard workup in older HF patients as frail and/or cognitively impaired HF patients are less likely to adhere to their HF treatment and more likely to be (re)admitted to hospital for HF.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».