Rate of Recovery of Left Ventricular Ejection Fraction in a Real-World Population of Patients Receiving a Wearable Cardioverter Defibrillator
Notice bibliographique
Résumé
BACKGROUND: This study aimed to investigate the rate of early improvement in ejection fraction (EF) within 21 - 60 days among patients with cardiomyopathy who were provided with a wearable cardioverter defibrillator (WCD). METHODS: This was a retrospective study of patients who received a WCD at our institution to determine the rate of improvement in left ventricular EF (LVEF) to ≥ 35-40%. Among 990 patients who received a WCD during the study period, 101 had an echocardiogram performed during the subsequent 21 - 60 days. Patients were stratified according to their initial EF, as well as age, gender, number of heart failure medications, and ischemic vs. nonischemic cardiomyopathy. Multivariate logistic regression analysis was performed to assess the influence of these variables on the subsequent improvement in EF. RESULTS: There were 39 patients who had improvement in their EF to ≥ 35-40%. The only significant predictor of EF recovery was the initial EF. There was a direct correlation between initial EF category and the likelihood of improvement in EF. For every unit increase in initial EF category, the odds of improvement increased 1.73 times (95% confidence interval (CI): 1.22 - 2.45). Age (P = 0.20), gender (P = 0.10), ischemic cardiomyopathy (P = 0.40), and number of heart failure medications at the time of WCD placement (P = 0.26) were not significant predictors of improved LVEF. CONCLUSIONS: This study showed a rate of improvement in EF to ≥ 35-40% of 39% within 21 - 60 days of placement of a WCD among patients with both ischemic and nonischemic cardiomyopathy. The only significant clinical predictor of EF improvement was initial EF.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».