Influence of polypharmacy on patients with heart failure with preserved ejection fraction: a retrospective analysis on adverse outcomes in the TOPCAT trial
Notice bibliographique
Résumé
BACKGROUND: Polypharmacy is common in heart failure (HF), whereas its effect on adverse outcomes in patients with HF with preserved ejection fraction (HFpEF) is unclear. AIM: To evaluate the prevalence, prognostic impacts, and predictors of polypharmacy in HFpEF patients. DESIGN AND SETTING: A retrospective analysis performed on patients in the Americas region (including the US, Canada, Argentina, and Brazil) with symptomatic HF and a left ventricular ejection fraction ≥45% in the TOPCAT (Treatment of Preserved Cardiac Function Heart Failure with an Aldosterone Antagonist) trial, an international, randomised, double-blind, placebo-controlled study conducted during 2006-2013 in six countries. METHOD: Patients were categorised into four groups: controls (<5 medications), polypharmacy (5-9 medications), hyperpolypharmacy, (10-14 medications), and super hyperpolypharmacy (≥15 medications). The outcomes and predictors in all groups were assessed. RESULTS: Of 1761 participants, the median age was 72 years; 37.5% were polypharmacy, 35.9% were hyperpolypharmacy, and 19.6% were super hyperpolypharmacy, leaving 7.0% having a low medication burden. In multivariable regression models, three experimental groups with a high medication burden were all associated with a reduction in all-cause death, but increased risks of HF hospitalisation and all-cause hospitalisation. Furthermore, several comorbidities (dyslipidemia, thyroid diseases, diabetes mellitus, and chronic obstructive pulmonary disease), a history of angina pectoris, diastolic blood pressure <80 mmHg, and worse heart function (the New York Heart Association functional classification level III and IV) at baseline were independently associated with a high medication burden among patients with HFpEF. CONCLUSION: A high prevalence of high medication burden at baseline was reported in patients with HFpEF. The high medication burden might increase the risk of hospital readmission, but not the mortality.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».