Initial Care Pathway in Acute Heart Failure From Home to Hospital
Notice bibliographique
Résumé
INTRODUCTION: The prognosis of acute heart failure (AHF) remains poor. Studies focusing on the time-sensitivity of early AHF management have reported controversial results. Thus, our aim is to review current studies focusing on AHF patients using emergency medical services (EMS), their early management, and patient outcomes. METHODS: We searched the recent literature in PubMed and Scopus for studies comparing AHF patients arriving at the hospital by EMS to those self-presenting (non-EMS) at ED (emergency department) from database inception until November 2022. RESULTS: The literature search found five studies fulfilling our inclusion criteria. The percentage of AHF patients using EMS varied in these studies: 11.5% (100/873) in Finnish FINN-AKVA II, 22.1% (236/1068) in Canadian ASCEND-HF, 35.5% (5129/14454) in a Pakistan Heart Failure-registry study, 52.8% (3224/6106) in Spanish SEMICA, and 61.8% (309/500) in the European EURODEM study. The pre-hospital management differed across the reviewed studies. The use of NIV was rare, ranging from zero to four percent. Vasodilators and diuretics were more commonly used. Although, the differences in the use were obvious (range from 7.1% to 22.0%, and 0.0% to 29.0% accordingly). Three of the studies reported significantly higher 30-day mortality among EMS patients compared to non-EMS patients: ranging from 5.6% versus 3.5%, p < 0.001% to 15.0% versus 6.9%, p < 0.001. CONCLUSION: The use of EMS, as well as pre-hospital management, varies between the international cohorts and registries. The pre-hospital AHF management is generally limited. Moreover, EMS patients tend to have worse outcomes compared to non-EMS 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| 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 | 0,001 |
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 ».