Management of heart failure patients with systolic dysfunction in a real world setting-a physician-based survey
Notice bibliographique
Résumé
Background: The objective of this study was to understand cardiologists’ perspectives on heart failure (HF) management with an emphasis on heart rate (HR) optimization and practice patterns among different medical specialties. Methods: A digital, cross-sectional, questionnaire-based survey involving 149 Indian cardiologists who were experienced in the management of patients with HF in their clinical practice was conducted. The survey questionnaire included 53 items divided into five sections. Responses were analyzed and data were represented as summary statistics. Results: According to most cardiologists, majority of patients belong to the New York Heart Association (NYHA) categories II and III, with ischemia being the most prevalent cause of HF. For patients with HF with reduced ejection fraction (HFrEF), HR>70 beats per minute and sinus rhythm, 38.9% of clinicians strongly agreed to include ivabradine in the treatment regimen. According to 56.4% of clinicians, 26%-50% of patients with HFrEF were receiving ivabradine therapy at <50% guideline-directed target dose of β-blockers. At the highest therapeutic dosage of ivabradine, 46.3% of clinicians noticed a 6-10 bpm reduction in HR. Additionally, it was reported that a stable HFrEF patient consumed an average of 4-6 tablets daily (67.1%), which increased the pill burden. Overall, 58.4% and 67.1% of clinicians strongly believed that cutting back on medications will assist with therapy adherence and that improved therapy adherence and compliance aid with clinical outcomes, respectively. Majority of the clinicians strongly agreed or agreed that patients should be switched from twice-daily to once-daily ivabradine. Conclusions: Clinical outcomes of patients with HF could be improved by reducing the pill burden and improving compliance.
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 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».