Evaluation of PHARM-HF, a pharmacist-led heart failure medication titration clinic
Notice bibliographique
Résumé
Abstract Background Optimal medical therapy (OMT) is the bedrock of heart failure with reduced ejection fraction (HFrEF) management. The pharmacist-led PHARM-HF clinic provides rapid, pharmacist-led, telehealth-based initiation, titration, and optimization of medications for HFrEF. We evaluated OMT changes in patients from PHARM-HF referral to discharge. Methods This retrospective pre-post study evaluated patients attending PHARM-HF from January 2021 to February 2023. The primary outcome was a modified version of the OMT score, which integrates utilization and dosing of ACEi/ARBs/ARNI, beta-blockers, MRAs and SGLT2is. Secondary outcomes included OMT score categorized as suboptimal (score 0-4), acceptable (score 5-7) or optimal (score 8; all four drugs at max-tolerated dose); use of individual agents at 1 year follow-up; and change in left ventricular ejection fraction (LVEF) from baseline to 1-year follow-up. Change in modified OMT score from baseline to discharge was compared using the Wilcoxon signed rank test. Results We included 81 patients. Median age was 68 (interquartile range [IQR] 57-74), 21% were female, 44% in NYHA class 2, and median LVEF was 31% (IQR 25%-37%, range 0-8). Patients had a median 5 (IQR 4-7) encounters with the PHARM-HF clinic pharmacist. The median OMT score at baseline was 6 (IQR 4-7, range 0-8), which an improvement to a median score of 8 (IQR 8-8, range 2-8) at discharge (p<0.0001). At baseline, 7% of patients were categorized as optimal, which improved to 78% at discharge, with 16% of patients on target doses of all four medications. Medication use at 1 year follow-up was 83.4% for sacubitril-valsartan, 14.3% for ACEi/ARB, 97.6% for beta-blockers, 85.7% for MRA, 78.6% for SGLT2i. For 31 patients with baseline and 1-year LVEF, median LVEF improved from 30% (IQR 25%-37%) to 38% (IQR 34%-46%). Conclusions A pharmacist-led clinic increased prescription OMT uptake. Future multicentre studies should explore the role of pharmacists as collaborators and prescribers to optimize HFrEF care.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».