Long-Term Healthcare Utilization and Outcomes in Patients Hospitalized for Heart Failure With and Without Atrial Fibrillation
Notice bibliographique
Résumé
The long-term association between AF and clinical outcomes, healthcare resource utilization, and healthcare costs among patients with HF remains underexplored. We conducted an exploratory analysis of 5-year outcomes among patients enrolled in the patient-centered care transitions in HF (PACT-HF) stepped-wedge cluster randomized trial who were hospitalized for HF and discharged alive between February 2015 and March 2016. Patients were stratified by baseline AF status. Administrative health databases were linked to assess mortality, rehospitalizations, emergency department visits, healthcare utilization, and costs. Mortality was analyzed using Cox proportional hazards models adjusted for baseline comorbidities. Healthcare utilization and cost differences were assessed using Wilcoxon and generalized linear models. Among 4,441 patients, 2,151 patients (48.4%) had AF at baseline. Patients with AF were older and had a higher prevalence of hypertension, stroke, and vascular disease. Patients with AF had a shorter life span (mean [SD] days alive 957.9 [697.8] vs 1,119.6 [698.2], p <0.01) and a higher 5-year all-cause mortality (adjusted HR 1.09 95% CI 1.01 to 1.17; p = 0.03) relative to those without AF. Patients with AF experienced more all-cause rehospitalizations (mean [SD] 3.2 [8.3] vs 2.6 [7.9], p = 0.03) and longer hospital length of stays (mean [SD] days 29.6 [48.6] vs 24.8 [46.9], p <0.01), but no difference in HF rehospitalizations (mean [SD] 0.9 [4.5] vs 0.8 [3.6], p = 0.24) than those without AF. Annual healthcare costs were greater in the AF cohort (mean [SD] $83,748 [114,398] vs $77,792 [114,874]) CAD. In conclusion, despite only modestly increased mortality, patients with AF experienced substantially greater healthcare utilization and cost, largely unrelated to HF-specific care. These exploratory findings underscore the need for a multidisciplinary approach to reduce morbidity and optimize care delivery for patients with HF and comorbid AF.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».