Abstract 4146994: Electronic Health Record Based Clinical Decision Support Increases Guideline-Directed Medical Therapy Initiation or Dosage Intensification in Patients with Heart Failure with Reduced Ejection Fraction: A Systematic Review and Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Introduction: Guideline-directed medical therapy (GDMT) in patients with heart failure with reduced ejection fraction (HFrEF) remains underprescribed despite overwhelming evidence of clinical benefit. Electronic health record (EHR)-based clinical decision support (CDS) tools provide healthcare providers with evidence-based recommendations and reminders within the electronic health record system. EHR-based CDS tools offer an innovative and economical strategy to enhance GDMT prescription rates. Hypothesis: We hypothesized that EHR-based CDS is associated with increased GDMT initiation or dosage intensification in patients with HFrEF. Methods: We conducted a systematic review and meta-analysis of randomized controlled trials (RCTs) published from inception to May 2024 on four databases: PubMed, Embase, CENTRAL, and MEDLINE. We included RCTs that assessed the impact of EHR-based CDS on GDMT initiation or dosage increase in patients with HFrEF. The primary outcome was a composite of GDMT initiation or dosage increase. Random effects meta-analysis was performed by Review Manager version 5.4 software. I 2 statistics was used to assess heterogeneity. Results: Out of 6716 retrieved studies, 5 RCTs involving 4881 patients met inclusion criteria. The inter-rater agreement was excellent (κ = 0.911). The primary outcome showed an overall effect size of 1.38 (95% CI: 1.00-1.91, P = 0.05; I 2 = 86%). Adjusted relative risk was not reported for most studies, and hence this data could not be provided. Visual inspection of the funnel plot was balanced. Conclusions: This meta-analysis indicates that EHR-based CDS tools show a potential to increase initiation of GDMT or increase GDMT dosage in HFrEF patients. Further investigation is required to validate these findings due to significant heterogeneity and limited included studies.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,030 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».