MétaCan
Menu
Retour à la cohorte
Enregistrement W4394852595 · doi:10.14740/cr1636

Definition of Polypharmacy in Heart Failure: A Scoping Review of the Literature

2024· review· en· W4394852595 sur OpenAlexvenueno aff
Keshav Patel, Jorge A. Irizarry‐Caro, Adil Khan, Travis Ford Holder, Darrell Salako, Parag Goyal, Min Ji Kwak

Notice bibliographique

RevueCardiology Research · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolypharmacyMedicineHeart failureCardiologyInternal medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Patients with heart failure (HF) have a high prevalence of polypharmacy, which can lead to drug interactions, cognitive impairment, and medication non-compliance. However, the definition of polypharmacy in these patients is still inconsistent. The aim of this scoping review was to find the most common definition of polypharmacy in HF patients. We conducted a scoping review searching Medline, Embase, CINAHL, and Cochrane using terms including polypharmacy, HF and deprescribing, which resulted in 7,949 articles. Articles without a definition of polypharmacy in HF patients and articles which included patients < 18 years of age were excluded; only 59 articles were included. Of the 59 articles, 49% (n = 29) were retrospective, 20% (n = 12) were prospective, 10% (n = 6) were cross-sectional, and 27% (n = 16) were review articles. Twenty percent (n = 12) of the articles focused on HF with reduced ejection fraction, 10% (n = 6) focused on HF with preserved ejection fraction and 69% (n = 41) articles either focused on both diagnoses or did not clarify the specific type of HF. The most common cutoff for polypharmacy in HF was five medications (59%, n = 35). There was no consensus regarding the inclusion or exclusion of over-the-counter medications, supplements, or vitamins. Some newer studies used a cutoff of 10 medications (14%, n = 8), and this may be a more practical and meaningful definition for HF patients.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,202
Tête enseignante GPT0,501
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology ResearchMême sujetHeart Failure Treatment and ManagementTravaux en français237 207