Cognitive Performance is Associated with Worse Prognosis in Patients with Heart Failure with Reduced Ejection Fraction
Notice bibliographique
Résumé
AIMS: Heart failure (HF) is a complex clinical syndrome with multiple comorbidities. Cognitive impairment, stress, anxiety, depression, and lower quality of life are prevalent in HF. Herein, we explore the interplay between these parameters and study their value to predict major adverse cardiovascular events (MACEs) and health-related quality of life (HrQoL) in patients with HF with reduced ejection fraction using guideline recommended assessment tools. METHODS AND RESULTS: We conducted a longitudinal study using a sample of 65 patients from two hospitals. A battery of tests was applied to assess cognition [Montreal Cognitive Assessment (MoCA)], stress (Perceived Stress Scale-10), anxiety, and depression (Hospital Anxiety and Depression Scale) at baseline. MACEs were registered using clinical records. HrQoL was estimated using the Kansas City Cardiomyopathy Questionnaire (KCCQ). A descriptive statistical analysis was conducted, and multiple linear and Cox regression models conducted to determine the predictive value of neurocognitive parameters and HrQoL in MACE. Both MoCA [hazard ratio = 0.906 (0.829-0.990); P = 0.029] and KCCQ scores were predictors of MACE, but not of overall mortality. Anxiety, depression, and stress scores did not predict MACE. However, anxiety (β = -0.326; P = 0.012) and depression levels (β = -0.309; P = 0.014) were independent predictors of the KCCQ score. CONCLUSIONS: The MoCA score and HrQoL were predictors of MACE-free survival. Anxiety and depression were good predictors of HrQoL, but not of MACE-free survival.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».