Inpatient Quality-of-Care Measures for Heart Failure: Treatment Gaps and Opportunities in the Contemporary Era
Notice bibliographique
Résumé
BACKGROUND: Quality of care measures are vital tools to assess processes of care within and between health care systems. The 2020 American College of Cardiology/AHA performance measures for heart failure provide a new set of such measures. We evaluated the achievement of these and other performance measures within the Veterans Affairs hospital system in a contemporary cohort of patients hospitalized for heart failure. METHODS: Hospital discharges from January 2010 to February 2021 with a primary diagnosis of heart failure (n=289 810) were evaluated. Adherence to each measure was determined using the measure's stated definition and by site. RESULTS: Among patients with reduced ejection fraction (53.0%), beta blocker use was high (89.0%), ACE (angiotensin-converting enzyme) inhibitor, angiotensin receptor blocker, or angiotensin receptor-neprilysin inhibitor (ARNI) use decreased over time (75.3% in 2010, 55.8% in 2020), and hydralazine/nitrate use in eligible Black patients (19.3%) was low. While 68.1% were eligible for ARNI, only 6.0% received them, reaching 17.2% by 2020. Mineralocorticoid receptor antagonists were used in 49.3% of those eligible; laboratory testing 7 days after their initiation was 73.0%, detecting hyperkalemia in 2.2%, although it occurred in 13.7% by 90 days. Achievement of ≥50% target dose was low (beta blocker 45.9%, ACE inhibitor/angiotensin receptor blocker 31.6%, ARNI 19.0%) and for ACE inhibitor/angiotensin receptor blocker/ARNI, decreased over time. Discharge appointments were 56.2% at 7 days and 78.8% at 14 days. Cardiac rehabilitation referral was low (10.5%) but increased. There were significant site-level differences, particularly for hydralazine, ARNI, devices, and cardiac rehabilitation. CONCLUSIONS: Important inpatient quality of care measures can be readily measured across the Veterans Administration health care system from electronic health records. Treatment gaps and site-level differences persisted into the contemporary era and will likely be exacerbated as newer treatments are added to this complex baseline. These measures and methods also offer the opportunity to target global, local, and individual processes of care for innovative quality improvement initiatives.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».