Anaemia, Iron Deficiency and Heart Failure in 2020: Facts and Numbers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Anaemia is defined by WHO as Hb < 13.0 g/dL in male adults and <12.0 g/dL in female adults. It is a common comorbidity in patients of heart failure with both HFrEF and HFpEF. The incidence ranges between 30% and 50%, though in certain communities, it is likely to be higher still. Elderly age, severe heart failure, poor nutrition, and elevation of inflammatory markers are associated with a higher incidence of anaemia. However, the commonest contributing factor to anaemia in HF is iron deficiency. In a Canadian study of 12 065 patients, the incidence of absolute ID was 21% in anaemic patients. Many other western studies have also quoted incidences varying between 35% and 43%. The earlier attempts to improve outcomes by supplementation with Erythropoietic-stimulating factors were unsuccessful and resulted in a higher incidence of thrombotic events. Iron deficiency (ID) has emerged as an important factor in patients of HF, even in those without anaemia and worsens outcomes. It is defined as Ferritin levels below 100 mcg/L or 100-299 μg/L with transferrin saturation of <20%. Attempts to correct ID by oral supplementation have been unsuccessful as seen in IRON-HF and IRONOUT-HF trials. FAIR-HF and CONFIRM-HF conclusively established the role of IV Iron in improving exercise capacity and quality of life in patients with HFrEF. ESC guidelines have given a class IC indication for testing all heart failure patients for ID, and an IIaA recommendation for its correction by IV ferric carboxymaltose was found to be deficient. Ongoing trials will establish the role of IV iron in improving mortality and in HFpEF patients and in patients with acute heart failure.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle