Navigating between Scylla and Charybdis: challenges and strategies for implementing guideline‐directed medical therapy in heart failure with reduced ejection fraction
Notice bibliographique
Résumé
Guideline-directed medical therapy (GDMT) has the potential to reduce the risks of mortality and hospitalisation in patients with heart failure (HF) with reduced ejection fraction (HFrEF). However, real-world data indicate that many patients with HFrEF do not receive optimised GDMT, which involves several different medications, many of which require up-titration to target doses. There are many challenges to implementing GDMT, the most important being patient-related factors (comorbidities, advanced age, frailty, cognitive impairment, poor adherence, low socioeconomic status), treatment-related factors (intolerance, side-effects) and healthcare-related factors that influence availability and accessibility of HF care. Accordingly, international disparities in resources for HF management and limited public reimbursement of GDMT, coupled with clinical inertia for treatment intensification combine to hinder efforts to provide GDMT. In this review paper, authors aim to provide solutions based on available evidence, practical experience, and expert consensus on how to utilise evolving strategies, novel medications, and patient profiling to allow the more comprehensive uptake of GDMT. Authors discuss professional education, motivation, and training, as well as patient empowerment for self-care as important tools to overcome clinical inertia and boost GDMT implementation. We provide evidence on how multidisciplinary care and institutional accreditation can be successfully used to increase prescription rates and adherence to GDMT. We consider the role of modern technologies in advancing professional and patient education and facilitating patient-provider communication. Finally, authors emphasise the role of novel drugs (especially sodium-glucose co-transporter 2 inhibitors), and a tailored approach to drug management as evolving strategies for the more successful implementation of GDMT.
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 | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».