Prevalence, outcomes and costs of a contemporary, multinational population with heart failure
Notice bibliographique
Résumé
OBJECTIVE: Digital healthcare systems could provide insights into the global prevalence of heart failure (HF). We designed the CardioRenal and Metabolic disease (CaReMe) HF study to estimate the prevalence, key clinical adverse outcomes and costs of HF across 11 countries. METHODS: Individual level data from a contemporary cohort of 6 29 624 patients with diagnosed HF was obtained from digital healthcare systems in participating countries using a prespecified, common study plan, and summarised using a random effects meta-analysis. A broad definition of HF (any registered HF diagnosis) and a strict definition (history of hospitalisation for HF) were used. Event rates were reported per 100 patient years. Cumulative hospital care costs per patient were calculated for a period of up to 5 years. RESULTS: The prevalence of HF was 2.01% (95% CI 1.65 to 2.36) and 1.05% (0.85 to 1.25) according to the broad and strict definitions, respectively. In patients with HF (broad definition), mean age was 75.2 years (95% CI 74.0 to 76.4), 48.8% (40.9-56.8%) had ischaemic heart disease and 34.5% (29.4-39.6%) had diabetes. In 51 442 patients with a recorded ejection fraction (EF), 39.1% (30.3-47.8%) had a reduced, 18.8% (13.5-24.0%) had a mildly reduced and 42.1% (31.5-52.8%) had a preserved left ventricular EF. In 1 69 518 patients with recorded estimated glomerular filtration rate, 49% had chronic kidney disease (CKD) stages III-V. Event rates were highest for cardiorenal disease (HF or CKD) and all cause mortality (19.3 (95% CI 11.3 to 27.1) and 13.1 (11.1 to 15.1), respectively), and lower for myocardial infarction, stroke and peripheral artery disease. Hospital care costs were highest for cardiorenal diseases. CONCLUSIONS: We estimate that 1-2% of the contemporary adult population has HF. These individuals are at significant risk of adverse outcomes and associated costs, predominantly driven by hospitalisations for HF or CKD. There is considerable public health potential in understanding the contemporary burden of HF and the importance of optimising its management.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».