Physician Perspectives on the Diagnosis and Management of Heart Failure With Preserved Ejection Fraction
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
BackgroundHeart failure (HF) with preserved ejection fraction (HFpEF) carries high morbidity and mortality. Compared with HF with reduced ejection fraction (HFrEF), HFpEF is difficult to diagnose, and lacks evidence-based treatments. In this survey we assessed perceptions of cardiologists, internists, and primary care physicians (PCPs) regarding HFpEF diagnosis and management.MethodsIn total, 159 cardiologists, 89 internists, and 200 PCPs from across Canada completed an online survey, with response rates of 14%-17%.ResultsThe perceived prevalence of HFpEF vs HFrEF was similar across physician types (58% HFrEF, 42% HFpEF). Thirty-seven percent of PCPs did not differentiate HF on the basis of ejection fraction. All physician types ranked symptom and mortality reduction as treatment priorities. Ninety-two percent of specialists believed that HFpEF is best comanaged by PCPs and specialists, whereas one-fifth of PCPs suggested PCP management alone. Compared with specialists, PCPs were more likely to underestimate HFpEF mortality and less aware of sex differences in the prevalence of HFpEF vs HFrEF (all P < 0.001). Fewer PCPs use natriuretic peptides for diagnosis (P < 0.001). All physician types listed cost and availability as barriers to natriuretic peptide use. Ninety-one percent of PCPs incorrectly identified various therapies as effective for improving HFpEF outcomes. Most of all physicians expressed a strong desire to increase knowledge of diagnostic and treatment algorithms for HFpEF.ConclusionsThere are substantial knowledge gaps in the diagnosis and management of HFpEF, particularly among PCPs. Because of the prevalence of HFpEF in primary care, strategies are required to reduce these gaps.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle