A Year in Heart Failure: An Update of Recent Findings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Major changes have occurred in these last years in heart failure (HF) management. Landmark trials and the 2021 European Society of Cardiology guidelines for the diagnosis and treatment of HF have established four classes of drugs for treatment of HF with reduced ejection fraction: angiotensin-converting enzyme inhibitors or an angiotensin receptor-neprilysin inhibitor, beta-blockers, mineralocorticoid receptor antagonists, and sodium-glucose co-transporter 2 inhibitors, namely, dapagliflozin or empagliflozin. These drugs consistently showed benefits on mortality, HF hospitalizations, and quality of life. Correction of iron deficiency is indicated to improve symptoms and reduce HF hospitalizations. AFFIRM-AHF showed 26% reduction in total HF hospitalizations with ferric carboxymaltose vs. placebo in patients hospitalized for acute HF (P = 0.013). The guanylate cyclase activator vericiguat and the myosin activator omecamtiv mecarbil improved outcomes in randomized placebo-controlled trials, and vericiguat is now approved for clinical practice. Treatment of HF with preserved ejection fraction (HFpEF) was a major unmet clinical need until this year when the results of EMPEROR-Preserved (EMPagliflozin outcomE tRial in Patients With chrOnic HFpEF) were issued. Compared with placebo, empagliflozin reduced by 21% (hazard ratio, 0.79; 95% confidence interval, 0.69 to 0.90; P < 0.001), the primary outcome of cardiovascular death or HF hospitalization. Advances in the treatment of specific phenotypes of HF, including atrial fibrillation, valvular heart disease, cardiomyopathies, cardiac amyloidosis, and cancer-related HF, also occurred. Coronavirus disease 2019 (COVID-19) pandemic still plays a major role in HF epidemiology and management. All these aspects are highlighted in this review.
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.
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) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle