Heart failure with preserved ejection fraction: recent concepts in diagnosis, mechanisms and management
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
It is estimated that half of all patients with heart failure (HF) have HF with preserved ejection fraction (HFpEF). Yet this form of HF remains a diagnostic and therapeutic challenge. Differentiating HFpEF from other causes of dyspnoea may require advanced diagnostic methods, such as exercise echocardiography, invasive haemodynamics and investigations for 'HFpEF mimickers'. While the classification of HF has relied heavily on cut-points in left ventricular ejection fraction (LVEF), recent evidence points towards a gradual shift in underlying mechanisms, phenotypes and response to therapies as LVEF increases. For example, among patients with HF, the proportion of hospitalisations and deaths due to cardiac causes decreases as LVEF increases. Medication classes that are efficacious in HF with reduced ejection fraction (HFrEF) have been less so at higher LVEF ranges, decreasing the risk of HF hospitalisation but not cardiovascular or all-cause death in HFpEF. These observations reflect the burden of non-cardiac comorbidities as LVEF increases and highlight the complex pathophysiological mechanisms, both cardiac and non-cardiac, underpinning HFpEF. Treatment with sodium-glucose cotransporter 2 inhibitors reduces the risk of composite cardiovascular events, driven by a reduction in HF hospitalisations; renin-angiotensin-aldosterone blockers and angiotensin-neprilysin inhibitors result in smaller reductions in HF hospitalisations among patients with HFpEF. Comprehensive management of HFpEF includes exercise as well as treatment of risk factors and comorbidities. Classification based on phenotypes may facilitate a more targeted approach to treatment than LVEF categorisation, which sets arbitrary cut-points when LVEF is a continuum. This narrative review summarises the pathophysiology, diagnosis, classification and management of patients with HFpEF.
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) | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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