Sex Disparities in Longitudinal Use and Intensification of Guideline-Directed Medical Therapy Among Patients With Newly Diagnosed Heart Failure With Reduced Ejection Fraction
Notice bibliographique
Résumé
BACKGROUND: Guideline-directed medical therapies (GDMTs) are the mainstay of treatment for heart failure with reduced ejection fraction (HFrEF), but they are underused. Whether sex differences exist in the initiation and intensification of GDMT for newly diagnosed HFrEF is not well established. METHODS: Patients with incident HFrEF were identified from the 2016 to 2020 Optum deidentified Clinformatics Data Mart Database, which is derived from a database of administrative health claims for members of large commercial and Medicare Advantage health plans. The primary outcome was the use of optimal GDMT within 12 months of HFrEF diagnosis. Consistent with the guideline recommendations during the time period of the study, optimal GDMT was defined as ≥50% of the target dose of evidence-based beta-blocker plus ≥50% of the target dose of angiotensin-converting enzyme inhibitor or angiotensin receptor blocker, or any dose of angiotensin receptor neprilysin inhibitor plus any dose of mineralocorticoid receptor antagonist. The probability of achieving optimal GDMT on follow-up and predictors of optimal GDMT were evaluated with time-to-event analysis with adjusted Cox proportional hazard models. RESULTS: The study cohort included 63 759 patients (mean age, 71.3 years; 15.2% non-Hispanic Black race; 56.6% male). Optimal GDMT use was achieved by 6.2% of patients at 12 months after diagnosis. Female (compared with male) patients with HFrEF had lower use across every GDMT class and lower use of optimal GDMT at each time point at follow-up. In an adjusted Cox model, female sex was associated with a 23% lower probability of achieving optimal GDMT after diagnosis (hazard ratio [HR], 0.77 [95% CI, 0.71–0.83]; P <0.001). The sex disparities in GDMT use after HFrEF diagnosis were most pronounced among patients with commercial insurance (females compared with males; HR, 0.66 [95% CI, 0.58–0.76]) compared with Medicare (HR, 0.85 [95% CI, 0.77–0.92]); P interaction sex×insurance status=0.005) and for younger patients (age <65 years: HR, 0.65 [95% CI, 0.58–0.74]) compared with older patients (age ≥65 years: HR, 87 [95% CI, 80–96]) P interaction sex×age=0.009). CONCLUSIONS: Overall use of optimal GDMT after HFrEF diagnosis was low, with significantly lower use among female (compared with male) patients. These findings highlight the need for implementation efforts directed at improving GDMT initiation and titration.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».