MétaCan
Menu
Retour à la cohorte
Enregistrement W4386191518 · doi:10.1002/ejhf.3003

Sex Differences in Long-Term Outcomes Following Acute Heart Failure Hospitalization: Findings from the Get with the Guidelines-Heart Failure Registry

2023· article· en· W4386191518 sur OpenAlexaff
Neil Keshvani, Sonia Shah, Iyanuoluwa Ayodele, Karen Chiswell, Brooke Alhanti, Larry A. Allen, Stephen J. Greene, Clyde W. Yancy, Windy Alonso, Harriette G.C. Van Spall, Gregg C. Fonarow, Paul A. Heidenreich, Ambarish Pandey

Notice bibliographique

RevueEuropean Journal of Heart Failure · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Institute on AgingAlnylam PharmaceuticalsGilead SciencesEli Lilly and CompanyBristol-Myers SquibbAstraZenecaAmgenNational Heart, Lung, and Blood InstitutePfizerDuke Clinical Research InstituteNovo NordiskCytokineticsSanofiAmerican Heart Association
Mots-clésMedicineHeart failureEjection fractionInternal medicineProportional hazards modelPopulationCardiology

Résumé

récupéré en direct d'OpenAlex

Abstract Aims Sex differences in long-term outcomes following hospitalization for heart failure (HF) across ejection fraction (EF) subtypes are not well described. In this study, we evaluated the risk of mortality and rehospitalization among males and females across the spectrum of EF over 5 years of follow-up following an index HF hospitalization event. Methods and results Patients hospitalized with HF between 1 January 2006 and 31 December 2014 from the American Heart Association's Get With The Guidelines-Heart Failure registry with available 5-year follow-up using Medicare Part A claims data were included. The association between sex and risk of mortality and readmission over a 5-year follow-up period for each HF subtype (HF with reduced EF [HFrEF, EF ≤40%], HF with mildly reduced EF [HFmrEF, EF 41–49%], and HF with preserved EF [HFpEF, EF >50%]) was assessed using adjusted Cox models. The effect modification by the HF subtype for the association between sex and outcomes was assessed by including multiplicative interaction terms in the models. A total of 155 670 patients (median age: 81 years, 53.4% female) were included. Over 5-year follow-up, males and females had comparably poor survival post-discharge; however, females (vs. males) had greater years of survival lost to HF compared with the median age- and sex-matched US population (HFpEF: 17.0 vs. 14.6 years; HFrEF: 17.3 vs. 15.1 years; HFmrEF: 17.7 vs. 14.6 years for age group 65-69 years). In adjusted analysis, females (vs. males) had a lower risk of 5-year mortality (adjusted hazard ratio [aHR] 0.89, 95% confidence interval [CI] 0.87–0.90, p < 0.0001), and the risk difference was most pronounced among patients with HFrEF (aHR 0.87, 95% CI 0.85–0.89; pinteraction[sex*HF subtype] = 0.04). Females (vs. males) had a higher adjusted risk of HF readmission over 5-year follow-up (aHR 1.06, 95% CI 1.04–1.08, p < 0.0001), with the risk difference most pronounced among patients with HFpEF (aHR 1.11, 95% CI 1.07–1.14; pinteraction[sex*HF subtype] = 0.001). Conclusions While females (vs. males) had lower adjusted mortality, females experienced a significantly greater loss in survival time than the median age- and sex-matched US population and had a greater risk of rehospitalization over 5 years following HF hospitalization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,288
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Heart FailureMême sujetHeart Failure Treatment and ManagementTravaux en français237 207