Non-Cardiac Comorbidities and Intensive Up-Titration of Oral Treatment in Patients Recently Hospitalized for Heart Failure: Insights from the STRONG-HF Trial
Notice bibliographique
Résumé
AIMS: To assess the potential interaction between non-cardiac comorbidities (NCCs) and the efficacy and safety of high-intensity care (HIC) versus usual care (UC) in the STRONG-HF trial, including stable patients with improved but still elevated natriuretic peptides. METHODS AND RESULTS: In the trial, eight NCCs were reported: anaemia, diabetes, renal dysfunction, severe liver disease, chronic obstructive pulmonary disease/asthma, stroke/transient ischaemic attack, psychiatric/neurological disorders, and malignancies. Patients were classified by NCC number (0, 1, 2 and ≥3). The treatment effect of HIC versus UC on the primary endpoint, 180-day death or heart failure (HF) rehospitalization, was compared by NCC number and by each individual comorbidity. Among the 1078 patients, the prevalence of 0, 1, 2 and ≥3 NCCs was 24.3%, 39.8%, 24.5% and 11.4%, respectively. Achievement of full doses of HF therapies at 90 and 180 days in the HIC was similar irrespective of NCC number. In HIC, the primary endpoint occurred in 10.0%, 16.6%, 13.6% and 26.2%, in those with 0, 1, 2 and ≥3 NCCs, respectively, as compared to 19.1%, 25.4%, 23.3% and 26.2% in UC (interaction-p = 0.80). The treatment benefit of HIC versus UC on the primary endpoint did not differ significantly by each individual comorbidity. There was no significant treatment interaction by NCC number in quality-of-life improvement (p = 0.98) or the incidence of serious adverse events (p = 0.11). CONCLUSIONS: In the STRONG-HF trial, NCCs neither limited the rapid up-titration of HF therapies, nor attenuated the benefit of HIC on the primary endpoint. In the context of a clinical trial, the benefit-risk ratio favours the rapid up-titration of HF therapies even in patients with multiple NCCs.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».