Hyperkalemia-related Heart Failure Therapy Discontinuation and the Association with Outcomes in Patients with Heart Failure
Notice bibliographique
Résumé
Abstract Background Renin-angiotensin-aldosterone system (RAAS) inhibitors are essential treatments for heart failure (HF) patients, but their use is often limited by hyperkalemia. Objective This study assesses the incidence of hyperkalemia in chronic HF patients on RAAS inhibitors, examines changes in therapy following hyperkalemia episodes, and evaluates the impact of RAAS inhibitor discontinuation or down-titration on patient outcomes. Methods We conducted a population-based cohort study of patients hospitalized or visiting the emergency department in Alberta for chronic HF from April 2012 to March 2020, focusing on those with RAAS inhibitor-associated hyperkalemia. Episodes of hyperkalemia (K >5.0 mmol/L) were monitored, and patients were followed for 30 days to determine if their RAAS therapy was maintained, reduced, or discontinued. Results Among 7527 HF patients, we identified 123,038 RAAS inhibitor treatment years, resulting in 17 hyperkalemia events per 100 treatment years. Hyperkalemia led to RAAS inhibitor discontinuation in 35.2% of cases, down-titration in 8.4%, and continuation in 56.4%. Discontinuation or down-titration was more common when serum potassium exceeded 6.0 mmol/L (49.4%) compared to lower levels. Over a median follow-up of 1.4 years, discontinuing or down-titrating RAAS inhibitors was associated with increased all-cause mortality (aHR 1.80), higher cardiovascular hospitalizations (aHR 1.09), and more frequent ED visits for HF (aHR 1.17) compared to continued therapy. Conclusions Discontinuation or down-titration of RAAS inhibitors in HF patients is associated with higher mortality and cardiovascular events. Strategies to maintain RAAS therapy after hyperkalemia episodes may improve patient outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».