Adherence and Optimization of Angiotensin Converting Enzyme Inhibitor/Angiotensin II Receptors Blockers and Beta-Blockers in Patients Hospitalized for Acute Heart Failure
Notice bibliographique
Résumé
AIMS: Treatment with angiotensin converting enzyme inhibitor (ACEi)/angiotensin II receptors blockers (ARBs) and beta-blockers is frequently suboptimal at discharge in patients hospitalized for acute heart failure (AHF). We investigated the prognostic significance of medical treatment at discharge and its changes during hospitalization. METHODS AND RESULTS: In a retrospective analysis, we included 623 patients hospitalized for AHF with reduced left ventricular ejection fraction (<40%). The primary endpoint was all-cause mortality and heart failure rehospitalization to Day 180 since hospital discharge. A total of 249 (42.4%) of patients received no ACEi/ARBs/BB or <50% target dose (TD) of these drugs, 249 (42.4%) had either ACEi/ARBs or BB ≥ 50% of TD, and 89 (15.2%) ACEi/ARBs and BB ≥ 50% of TD at discharge. The primary endpoint was significantly lower in patients receiving at least one drug ≥50% of TD compared with no or low-dose treatment (ACEi/ARBs or BB ≥ 50% TD: adjusted hazard ratio (HR) 0.69, 95% confidence interval (CI) [0.49-0.98], P = 0.04; ACEi/ARBs and BB ≥ 50% TD: adjusted HR 0.54, 95% CI [0.30-0.96], P = 0.03). With regard to treatment changes from admission to discharge, therapy was decreased in 258 (44.6%) patients, stable in 194 (33.6%), and increased in 126 (21.8%). Compared with patients with stable therapy, treatment intensification was associated with a lower rate of the primary endpoint (adjusted HR 0.49, 95% CI [0.29-0.83]; P = 0.01). CONCLUSIONS: In patients with AHF, prescription of ACEi/ARBs/BB ≥ 50% TD at the time of discharge, whether achieved or not through treatment intensification during the hospitalization, is associated with better post-discharge outcomes.
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 | 0,000 |
| 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 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 ».