Evolving Towards a More Realistic Approach to the Importance of Left Ventricular Ejection Fraction and Sex in Heart Failure and its Therapy
Notice bibliographique
Résumé
This article refers to ‘Interactions between left ventricular ejection fraction, sex and effect of neurohumoral modulators in heart failure’ by P. Dewan et al., published in this issue on pages 898–901. Heart failure (HF) is a multifaceted syndrome accounting for a high rate of death and morbidity worldwide. The approach to this disease has traditionally been based on the evaluation of left ventricular ejection fraction (LVEF), with patients having HF with either reduced (HFrEF, LVEF < 40%), preserved (HFpEF, LVEF > 50%) or mid-range (HFmrEF, LVEF 40–50%) ejection fractions, each of these groups being considered distinct syndromes. Initially, the focus was on patients with HFrEF as these patients were easily identified and known to be at high risk of poor outcomes. However, as our populations age, the profile of patients with HF is evolving and the proportion of patients with HF having better LVEFs (i.e. those with HFpEF and HFmrEF) is increasing.1 Data from the Swedish Heart Failure Registry would suggest that, of patients with HF, 56% have HFrEF, 21% have HFmrEF, and that 23% have HFpEF.2 The characteristics of patients have been found to vary according to LVEF, with age and the proportion of women increasing with increasing LVEF. However, the similarities among patients, regardless of LVEF, are greater than the differences, and we now know that all patients with HF are at high risk of morbidity and mortality regardless of LVEF2,3.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,030 | 0,045 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».