Guideline-Referral Criteria and Risk Profiles of Outpatients Referred to a Specialised Heart Failure Clinic
Notice bibliographique
Résumé
Background Specialised heart failure (HF) care improves outcomes for patients with HF. To understand the risk profiles of HF outpatients referred to a specialised clinic, we evaluated referral reasons, predicted risk, and the presence of guideline-recommended referral criteria at a large specialised HF clinic. Methods We conducted a cross-sectional study including outpatients with HF (≥ 18 years old) referred from November 2021 to November 2022. We calculated 1-year predicted mortality with the use of the Seattle Heart Failure Model (SHFM) and the I-NEED-HELP referral criteria. We compared median SHFM-predicted mortality with referral reasons and the I-NEED-HELP criteria by means of Kruskal-Wallis, Wilcoxon rank-sum, chi-square, and Fisher exact tests. Results Among 245 consecutive HF outpatients included, median SHFM-predicted 1-year mortality was 4% (interquartile range [IQR] 2%-8%). Reasons for referral included evaluation for advanced therapies (29%), medication optimisation (23%), diagnostic evaluation (19%), post-hospitalisation/emergency department visit (14%), ongoing HF management (12%), patient request (2%), and transition to adult care (1%). The median SHFM-predicted 1-year mortality did not differ significantly by referral reason ( P = 0.11) but differed significantly among patients meeting any (5%, IQR 3%-9%) vs no (3%, IQR 2%-5%) I-NEED-HELP criteria ( P < 0.001). Across referral reasons, the presence of any I-NEED-HELP criteria differed significantly ( P < 0.001); most patients referred for advanced therapies evaluation (96%) and diagnostic evaluation (94%) met at least 1 criterion. Conclusions Patients referred to a specialised HF clinic have a wide risk range. The difference in predicted mortality among patients meeting any vs no I-NEED-HELP criteria appears clinically insignificant. Incorporating model-predicted risk at the time of referral can guide triage and patient prioritisation.
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 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».