Practical management of frailty in older patients with heart failure:Statement from a panel of multidisciplinary experts on behalf the Heart Failure Working Group of the French Society of Cardiology and on behalf French Society of Geriatrics and Gerontology
Notice bibliographique
Résumé
AIMS: The heart failure (HF) prognosis in older patients remains poor with a high 5-years mortality rate more frequently attributed to noncardiovascular causes. The complex interplay between frailty and heart failure contribute to poor health outcomes of older adults with HF independently of ejection fraction. The aim of this position paper is to propose a practical management of frailty in older patients with heart failure. METHODS: A panel of multidisciplinary experts on behalf the Heart Failure Working Group of the French Society of Cardiology and on behalf French Society of Geriatrics and Gerontology conducted a systematic literature search on the interlink between frailty and HF, met to propose an early frailty screening by non-geriatricians and to propose ways to implement management plan of frailty. Statements were agreed by expert consensus. RESULTS: Clinically relevant aspects of interlink between frailty and HF have been reported to identify the population eligible for screening and the most suitable screening test(s). The frailty screening program proposed focuses on frailty model defined by an accumulation of deficits including geriatric syndromes, comorbidities, for older patients with HF in different settings of care. The management plan of frailty includes optimization of HF pharmacological treatments and non-surgical device treatment as well as optimization of a global patient-centred biopsychosocial blended collaborative care pathway. CONCLUSION: The current manuscript provides practical recommendations on how to screen and optimize frailty management in older patients with heart failure.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».