Use of Sacubitril/Valsartan Prior to Primary Prevention Implantable Cardioverter Defibrillator Implantation
Notice bibliographique
Résumé
Background: Implantable cardioverter defibrillators (ICDs) are an adjunct to guideline-directed medical therapy for heart failure with reduced ejection fraction. The uptake of sacubitril/valsartan in this population is not well described. We report the uptake and factors associated with sacubitril/valsartan use in patients with left ventricular dysfunction undergoing ICD implantation. Methods: primary prevention ICD implantation between October 2015 and December 2021 (n = 422) at Sunnybrook Health Sciences Centre, Toronto, Ontario, Canada. Pre-procedure sacubitril/valsartan use was determined. Logistic regression analysis was performed to examine factors associated with sacubitril/valsartan use. A Bayesian estimator of abrupt change was employed to determine a time period in which a change in the rate of sacubitril/valsartan use occurred. Results: Loop diuretic use (odds ratio [OR] = 2.20) and higher severity of New York Heart Association class symptoms (OR = 1.62) were associated with sacubitril/valsartan use. Sacubitril/valsartan use increased during the study period, to 59% in December 2021. This increase was larger among those aged ≥ 65 years (OR = 1.09). A change in the rate of sacubitril/valsartan use occurred 3 years after drug approval, 1 year after provincial drug coverage became available, and 6 months after being strongly recommended in clinical guidelines. Conclusions: In a contemporary cohort of ICD patients, sacubitril/valsartan use increased between 2015 and 2021, notably in those aged ≥ 65 years and after government drug coverage became available. Understanding barriers to sacubitril/valsartan use in ICD patients is recommended to improve clinical outcomes and survival in this population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».