Patient-Reported Status and Heart Failure Outcomes in Asia by Sex, Ethnicity, and Socioeconomic Status
Notice bibliographique
Résumé
In heart failure (HF), symptoms and health-related quality of life (HRQoL) are known to vary among different HF subgroups, but evidence on the association between changing HRQoL and outcomes has not been evaluated. The authors sought to investigate the relationship between changing symptoms, signs, and HRQoL and outcomes by sex, ethnicity, and socioeconomic status (SES). Using the ASIAN-HF (Asian Sudden Cardiac Death in Heart Failure) Registry, we investigated associations between the 6-month change in a “global” symptoms and signs score (GSSS), Kansas City Cardiomyopathy Questionnaire overall score (KCCQ-OS), and visual analogue scale (VAS) and 1-year mortality or HF hospitalization. In 6,549 patients (mean age: 62 ± 13 years], 29% female, 27% HF with preserved ejection fraction), women and those in low SES groups had higher symptom burden but lower signs and similar KCCQ-OS to their respective counterparts. Malay patients had the highest GSSS (3.9) and lowest KCCQ-OS (58.5), and Thai/Filipino/others (2.6) and Chinese patients (2.7) had the lowest GSSS scores and the highest KCCQ-OS (73.1 and 74.6, respectively). Compared to no change, worsening of GSSS (>1-point increase), KCCQ-OS (≥10-point decrease) and VAS (>1-point decrease) were associated with higher risk of HF admission/death (adjusted HR: 2.95 [95% CI: 2.14-4.06], 1.93 [95% CI: 1.26-2.94], and 2.30 [95% CI: 1.51-3.52], respectively). Conversely, the same degrees of improvement in GSSS, KCCQ-OS, and VAS were associated with reduced rates (HR: 0.35 [95% CI: 0.25-0.49], 0.25 [95% CI: 0.16-0.40], and 0.64 [95% CI: 0.40-1.00], respectively). Results were consistent across all sex, ethnicity, and SES groups (interaction P > 0.05). Serial measures of patient-reported symptoms and HRQoL are significant and consistent predictors of outcomes among different groups with HF and provide the potential for a patient-centered and pragmatic approach to risk stratification.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».