Abstract 11716: The Impact of a Virtual Multi-Disciplinary Heart Failure Optimization Program on Achievement of Guideline-Directed Therapy
Notice bibliographique
Résumé
Introduction: Current guidelines for management of Heart Failure with Reduced Ejection Fraction (HFrEF) recommend Beta-blockers, Angiotensin Receptor Neprilysin Inhibitors (ARNI), Mineralocorticoid Receptor Antagonists (MRA) and SGLT2 inhibitors. However, guideline-directed medical therapies (GDMT) remain underutilized. The 2018 CHAMP-HF registry of HFrEF patients demonstrated that only 1% of patients were treated with target doses of Beta-blockers, MRA and ACE-inhibitors (ACE-I) and Angiotensin Receptor Blocker (ARB) or ARNI. Methods: We conducted a single center study of a virtual, multidisciplinary HFrEF optimization program for achieving GDMT. Patients referred from both inpatient and outpatient settings were enrolled in this 3-month initiative. After an initial cardiology consult, patients were seen virtually once weekly by a kinesiologist for lifestyle optimization and virtually by a nurse once every two weeks for up-titration of guideline-based therapies, with cardiologist oversight. Vital signs, serum creatinine and electrolytes were obtained after medication adjustment. Results: Over 9 months, 297 patients were referred and all enrolled in the virtual HFrEF optimization program. Mean age was 69 and 63% were male. Mean ejection fraction was 28% and 54% had ischemic cardiomyopathy. At initial visit, the frequency of patients prescribed optimal dosage for Beta-Blockers was 64%, 7% for MRA and 1% for SGLT2 inhibitors. 88% were prescribed ACE-I or ARB while 1% of patients were on ARNI. At 3 month follow-up, the frequency of patients prescribed optimal dosage for Beta-Blockers was 84% (p<0.01), 58% for MRA (p<0.01), 77% for SGLT2 inhibitors (p<0.01) and 96% for ARNI (p<0.01). Overall, 39% of patients achieved maximal doses of all 4 classes of medications at 3 month follow-up. During the study period, there were no hospitalizations or medication adverse events among participants. The most common causes of failure to achieve GDMT was chronic kidney disease or drug cost or coverage. Conclusions: This study demonstrates that a virtual multidisciplinary program can safely and effectively improve usage of GDMT in HFrEF patients. Further studies should examine the effect of similar interventions on patient outcomes in a randomized format.
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 | 0,005 |
| 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».