Characteristics and Clinical Outcomes of Patients with Acute Heart Failure with a Supranormal Left Ventricular Ejection Fraction
Notice bibliographique
Résumé
AIM: Recent data suggest that guideline-directed medical therapy of patients with heart failure (HF) with reduced ejection fraction (HFrEF) might improve clinical outcomes in patients with HF up to a left ventricular ejection fraction (LVEF) of 55-65%, whereas patients with higher LVEF do not seem to benefit. Recent data have shown that LVEF may have a U-shaped relation with outcome, with poorer outcome also in patients with supranormal values. This suggests that patients with supranormal LVEF may be a distinctive group of patients. METHODS AND RESULTS: RELAX-AHF-2 was a multicentre, placebo-controlled trial on the effects of serelaxin on 180-day cardiovascular (CV) mortality and worsening HF at day 5 in patients with acute HF. Echocardiograms were performed at hospital admission in 6128 patients: 155 (2.5%) patients were classified as HF with supranormal ejection fraction (HFsnEF; LVEF >65%), 1440 (23.5%) as HF with preserved ejection fraction (HFpEF; LVEF 50-65%), 1353 (22.1%) as HF with mildly reduced ejection fraction (HFmrEF; LVEF 41-49%) and 3180 (51.9%) as HFrEF (LVEF <40%). Patients with HFsnEF compared to HFpEF were more often women, had higher prevalence of non-ischaemic HF, had lower levels of natriuretic peptides, were less likely to be treated with beta-blockers and had higher blood urea nitrogen plasma levels. All-cause mortality was not statistically different between groups, although patients with HFsnEF had the highest numerical rate. A declining trend was seen in the proportion of 180-day deaths due to CV causes from HFrEF (290/359, 80.8%) to HFsnEF (14/24, 58.3%). The reverse was observed with death from non-CV causes. No treatment effect of serelaxin was observed in any of the subgroups. CONCLUSIONS: In this study, only 2.5% of patients were classified as HFsnEF. HFsnEF was primarily characterized by female sex, lower natriuretic peptides and a higher risk of non-CV death.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».