Utilization of Ultrasound to Assess Volume Status in Heart Failure
Notice bibliographique
Résumé
Heart failure (HF) represents a significant financial burden to the US health care system, affecting approximately 5.7 million Americans. By 2030, the prevalence of HF is expected to increase by 23%. Clinicians generally evaluate volume status in patients with HF by visualizing jugular venous distension to estimate right atrial pressure; a method with an estimated accuracy of only 50%. Currently, the only endorsed methods for acute HF diagnosis in the 2017 American College of Cardiology (ACC) guidelines are brain natriuretic peptide (BNP) or N-terminal pro-B-type natriuretic peptide (NT-proBNP), pre-discharge BNP or NT-proBNP, and myocardial fibrosis markers. However, serial testing of BNP to monitor therapy remains controversial. Moreover, an elevated BNP cannot be attributed solely to a cardiac cause. Given the limitations of the current methods, a robust tool is needed to reliably assess volume status in HF patients. It is now known that hemodynamic congestion from increases in intracardiac pressure occurs days to weeks prior to the onset of typical HF symptoms, such as weight gain and shortness of breath. It has been postulated that assessing the inferior vena cava (IVC) diameter with a portable ultrasound, may be the simple, reliable, and cost-effective method of evaluating right atrial pressure, and thus, the severity of HF. Given this exciting new tool in assessing volume status in patients with HF, we pose the question of whether this imaging modality can be used to risk-stratify patients and guide management. The aim of this paper is to highlight the many benefits of portable ultrasound in assessing volume status in this population, and to discuss whether this imaging modality can help guide physicians in the management of their HF patients.
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,005 |
| 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 ».