Factors associated with health-related quality of life in heart failure in 23,000 patients from 40 countries: results of the global congestive heart failure research program
Notice bibliographique
Résumé
Abstract Background Poor health-related quality of life (HRQL) is common in heart failure (HF) and strongly predicts death and HF hospitalization in all regions of the world. Understanding facors associated with HRQL could therefore lead to improved prognosis in HF patients. Despite that the majority of HF occurs in low- and middle-income countries, there are limited data characterizing self-perceived health HRQL and its correlates in these settings. Purpose To examine clinical and social correlates of HRQL in patients with HF from high- (HIC), upper middle- (UMIC), lower middle-(LMIC) and low-income (LIC) countries. Methods Between 2017 and 2020, we enrolled 23,292 patients with HF (32% inpatients, 61% men) from 40 countries in the Global Congestive Heart Failure Study. We recorded HRQL at baseline using Kansas City Cardiomyopathy Questionnaire (KCCQ)-12. In a cross-sectional analysis, we compared age- and sex-adjusted mean KCCQ-12 summary scores (SS: 0–100, higher=better) between patients from different country income levels. We used multivariable linear regression examining correlations (estimates expressed as β-coefficients) of KCCQ-12-SS with sociodemographic-, comorbidity-, treatment- and symptom-covariates. The adjusted model (37 covariates) was informed by univariable findings, clinical importance and backward selection. We used partial R2-estimates to understand the contribution to the variability in KCCQ-12-SS of 4 different groups of covariates. (sociodemographic, comorbidities, treatments and signs and symptoms of congestion). Results Mean age was 63 years and 40% were in NYHA class III–IV. Average HRQL was 55± SD 0.5. It was 62.5 (95% CI 62.0–63.1) in HIC, 56.8 (56.1–57.4) in UMIC, 48.6 (48.0–49.3) in LMIC, and 38.5 (37.3–39.7) in LICs (p<0.0001). Strong correlates (β-coefficient [95% CI]) of KCCQ-12-SS were NYHA class III vs class I/II (−12.1 [−12.8 to −11.4] and class IV vs. class I/II (−16.5 [−17.7 to −15.3]), effort dyspnea (−9.5 [−10.2 to −8.8]) and living in LIC vs. HIC (−5.8 [−7.1 to −4.4]). Symptoms explained most of the KCCQ-12-SS variability (partial R2=0.32 of total adjusted R2=0.51), followed by sociodemographic factors (R2=0.12). Results were consistent in populations across income levels. Conclusion The most important correlates of HRQL in HF patients relate to HF symptom severity, irrespective of country-income level. Improved symptom control may have a big impact on HRQL, especially in LICs. Funding Acknowledgement Type of funding sources: Private grant(s) and/or Sponsorship. Main funding source(s): Bayer AG
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».