The Prevalence and Importance of Frailty in Heart Failure with Reduced Ejection Fraction – An Analysis of PARADIGM-HF and ATMOSPHERE
Notice bibliographique
Résumé
AIMS: Frailty, characterized by loss of homeostatic reserves and increased vulnerability to physiological decompensation, results from an aggregation of insults across multiple organ systems. Frailty can be quantified by counting the number of 'health deficits' across a range of domains. We assessed the frequency of, and outcomes related to, frailty in patients with heart failure and reduced ejection fraction (HFrEF). METHODS AND RESULTS: Using a cumulative deficits approach, we constructed a 42-item frailty index (FI) and applied it to identify frail patients enrolled in two HFrEF trials (PARADIGM-HF and ATMOSPHERE). In keeping with previous studies, patients with FI ≤0.210 were classified as non-frail and those with higher scores were divided into two categories using score increments of 0.100. Clinical outcomes were examined, adjusting for prognostic variables. Among 13 625 participants, mean (± standard deviation) FI was 0.250 (0.10) and 8383 patients (63%) were frail (FI >0.210). The frailest patients were older and had more symptoms and signs of heart failure. Women were frailer than men. All outcomes were worse in the frailest, with high rates of all-cause death or all-cause hospitalization: 40.7 (39.1-42.4) vs. 22.1 (21.2-23.0) per 100 person-years in the non-frail; adjusted hazard ratio 1.63 (1.53-1.75) (P < 0.001). The rate of all-cause hospitalizations, taking account of recurrences, was 61.5 (59.8-63.1) vs. 31.2 (30.3-32.2) per 100 person-years (incidence rate ratio 1.76; 1.62-1.90; P < 0.001). CONCLUSION: Frailty is highly prevalent in HFrEF and associated with greater deterioration in quality of life and higher risk of hospitalization and death. Strategies to prevent and treat frailty are needed in HFrEF.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».