ESC quality indicators for post-myocardial infarction care: transition and chronic coronary syndrome phases
Notice bibliographique
Résumé
Abstract Aims We aimed to develop the European Society of Cardiology (ESC) quality indicators (QIs) for myocardial infarction (MI), from 1 year after hospital discharge, corresponding to transition to the chronic coronary syndrome phases. Methods and results We collaborated with the European Association of Preventive Cardiology (EAPC) and developed QIs for the long-term management of patients following MI. We applied the ESC methodology for QI development by (i) determining key domains of post-MI care; (ii) developing candidate QIs by performing a systematic review of the literature, and (iii) selecting the final set of QIs using a modified Delphi approach. In total, 18 QIs were identified across seven domains of care including (i) structural framework, (ii) risk assessment and follow-up, (iii) pharmacological management, (iv) rehabilitation, behavioural, and preventive interventions, (v) coronary revascularization, (vi) clinical outcomes, and (vii) patient-reported outcomes. Conclusion We present the ESC QIs from 1 year after hospitalization for MI, to standardize and address gaps in care for this high-risk group. These QIs are supported by evidence from contemporary literature, endorsed by expert consensus, and aligned with the 2024 ESC guidelines on the management of chronic coronary syndromes. Lay summary Measures to evaluate and improve the long-term management of patients following a heart attack are needed. In this paper, we identified key aspects of care that can help clinicians, decision-makers and patients improve the quality of care, from one year after a heart attack onwards, and help address inequalities and variations in clinical practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».