Readmission rates following heart failure: a scoping review of sex and gender based considerations
Notice bibliographique
Résumé
BACKGROUND: Although hospital readmission for heart failure (HF) is an issue for both men and women, little is known about differences in readmission rates by sex. Consequently, strategies to optimize readmission reduction programs and care strategies for women and men remain unclear. Our study aims were: (1) to identify studies examining readmission rates according to sex, and (2) to provide a qualitative overview of possible considerations for the impact of sex or gender. METHODS: We conducted a scoping review using the Arksey and O'Malley framework to include full text articles published between 2002 and 2017 drawn from multiple databases (MEDLINE, EMBASE), grey literature (i.e. National Technical information, Duck Duck Go), and expert consultation. Eligible articles included an index heart failure episode, readmission rates, and sex/gender-based analysis. RESULTS: The search generated 5887 articles, of which 746 underwent full abstract text consideration for eligibility. Of 164 eligible articles, 34 studies addressed the primary outcome, 103 studies considered sex differences as a secondary outcome and 25 studies stratified data for sex. Good inter-rater agreement was reached: 83% title/abstract; 88% full text; kappa: 0.69 (95%CI: 0.53-0.85). Twelve of 34 studies reported higher heart failure readmission rates for men and six studies reported higher heart failure readmission rates for women. Using non composite endpoints, five studies reported higher HF readmission rates for men compared to three studies reporting higher HF readmission rates for women. Overall, there was heterogeneity between studies when examined by sex, but one observation emerged that was related to the timing of readmissions. Readmission rates for men were higher when follow-up duration was longer than 1 year. Women were more likely to experience higher readmission rates than men when time to event was less than 1 year. CONCLUSIONS: Future studies should consider different time horizons in their designs and avoid the use of composite measures, such as readmission rates combined with mortality, which are highly skewed by sex. Co-interventions and targeted post-discharge approaches with attention to sex would be of benefit to the HF patient population.
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 | 0,034 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,025 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».