Abstract 14489: Physician Perspectives on the Diagnosis and Management of Heart Failure With Preserved Ejection Fraction (HFpEF)
Notice bibliographique
Résumé
Introduction: Heart failure with preserved ejection fraction (HFpEF) carries high morbidity and mortality. Compared to heart failure with reduced ejection fraction (HFrEF), HFpEF is more difficult to diagnose and lacks in evidence-based treatments. We assessed the perceptions of CV specialists and primary care physicians (PCP) regarding HFpEF diagnosis and management. Methods: The online survey targeted 200 specialists and 200 (PCPs), offering a token honorarium. A total of 159 cardiologists (C), 59 internists (I), and 200 PCPs completed the survey. Results: All provinces were represented. The perceived prevalence of HFpEF vs HFrEF was similar across physician types (58% HFrEF, 42% HFpEF). Roughly 25% of PCPs did not differentiate between HF types. All physician types ranked symptom and mortality reduction as treatment priorities. The majority of specialists felt that HFpEF is best co-managed by primary and specialty care. One fifth of PCPs felt that HFpEF should be managed by primary care alone. Compared to specialists, PCPs were more likely to underestimate HFpEF mortality vs. HFrEF, less aware of gender differences, and less able to identify clinical findings of HFpEF vs. HFrEF. Fewer PCPs (33%) than specialists (50%) use natriuretic peptide (NP) levels for diagnosis, with PCPs expressing more uncertainty with NP utility. All physician types listed cost and limited availability as restrictions to use of NP testing. For evidence-based treatments in HF (ACEi/ARB, beta blockers, loop diuretics, mineralocorticoid receptor antagonists), >50% of PCPs incorrectly identified all agents as effective for HFpEF, with <10% stating that none improved outcomes. Cardiologists were more likely than internists to identify the lack of evidence-based treatments. Conclusions: This survey reveals substantial knowledge and treatment gaps in the diagnosis and management of HFpEF, specifically amongst PCPs. Given the prevalence of HFpEF in primary care, and its substantial morbidity and mortality, strategies are required to reduce these gaps. All physician types recognized the need for increased availability of NP testing for HFpEF diagnosis.
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 | 0,002 | 0,009 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».