Supervised Exercise Training for Chronic Heart Failure With Preserved Ejection Fraction: A Scientific Statement From the American Heart Association and American College of Cardiology
Notice bibliographique
Résumé
Heart failure with preserved ejection fraction (HFpEF) is one of the most common forms of heart failure; its prevalence is increasing, and outcomes are worsening. Affected patients often experience severe exertional dyspnea and debilitating fatigue, as well as poor quality of life, frequent hospitalizations, and a high mortality rate. Until recently, most pharmacological intervention trials for HFpEF yielded neutral primary outcomes. In contrast, trials of exercise-based interventions have consistently demonstrated large, significant, clinically meaningful improvements in symptoms, objectively determined exercise capacity, and usually quality of life. This success may be attributed, at least in part, to the pleiotropic effects of exercise, which may favorably affect the full range of abnormalities-peripheral vascular, skeletal muscle, and cardiovascular-that contribute to exercise intolerance in HFpEF. Accordingly, this scientific statement critically examines the currently available literature on the effects of exercise-based therapies for chronic stable HFpEF, potential mechanisms for improvement of exercise capacity and symptoms, and how these data compare with exercise therapy for other cardiovascular conditions. Specifically, data reviewed herein demonstrate a comparable or larger magnitude of improvement in exercise capacity from supervised exercise training in patients with chronic HFpEF compared with those with heart failure with reduced ejection fraction, although Medicare reimbursement is available only for the latter group. Finally, critical gaps in implementation of exercise-based therapies for patients with HFpEF, including exercise setting, training modalities, combinations with other strategies such as diet and medications, long-term adherence, incorporation of innovative and more accessible delivery methods, and management of recently hospitalized patients are highlighted to provide guidance for future research.
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 | 0,016 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,023 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,005 |
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 ».