Kansas City Kardiomyopathy Questionnaire Utility for Prediction of 30-Day Re takaisinoton Rate in Patients with Chronic Heart Failure

Abstract

Background. Sydämen vajaatoiminta (HF) on yksi yleisimmistä sairaaloiden takaisinottoon liittyvistä diagnooseista. Suunnittelimme tämän prospektiivisen tutkimuksen arvioidaksemme, liittyykö Kansas Cityn Kardiomyopatiakysely (KCCQ)-pistemäärä 30 päivän takaisinottoon potilailla, jotka ovat sairaalahoidossa dekompensoidun HF: n kanssa. Menetelmät ja tulokset. Otimme mukaan 240 potilasta, jotka täyttivät tutkimuskriteerit. 48 potilasta (20%) otettiin takaisin dekompensoidun HF: n vuoksi kolmenkymmenen päivän kuluessa sairaalasta kotiuttamisesta, ja 192 potilasta (80%) ei otettu takaisin. Takaisin otettuihin potilaisiin verrattuna potilailla, jotka eivät olleet saaneet hoitoa, oli korkeampi keskimääräinen kccq-arvo (40, 8 vs. 32, 6, P = 0, 019) ennen kotiuttamista. Monimuuttuja-analyysit osoittivat, että korkea kccq-arvo liittyi alhaiseen HF: n takaisinottoasteeseen (Mukautettu tai = 0, 566, P = 0, 022). Perusmallin c-tilasto (ikä + sukupuoli) oli 0,617. Kotilääkityksen ja perusmallin laboratoriotestien yhdistelmä johti integrated discrimination improvement (IDI) – kasvuun 3,9 prosentilla. Tällä perusteella kcqq kasvatti IDI-arvoa edelleen 2,7 prosenttia. Päätelmä. Ennen sairaalasta kotiuttamista määritetty kccq-pistemäärä oli merkittävästi yhteydessä 30 päivän takaisinoton määrään potilailla, joilla on HF, mikä voi olla kliinisesti hyödyllinen mittari ja parantaa merkittävästi takaisinoton ennusteiden luotettavuutta yhdistettynä muihin kliinisiin komponentteihin.

1. Johdanto

on arvioitu, että sydämen vajaatoiminta vaikuttaa yli 5.7 miljoonaa amerikkalaista, joilla todetaan 870 000 uutta tapausta vuosittain. Ennustetun esiintyvyyden arvioidaan kasvavan 46 prosenttia vuodesta 2012 vuoteen 2030, minkä seurauksena yli 8 miljoonaa ihmistä kärsii HF: stä . HF-potilaiden hoidon kustannukset olivat vuonna 2012 noin 30,7 miljardia dollaria ja niiden arvioidaan kasvavan 127 prosenttia 69,7 miljardiin dollariin vuoteen 2030 mennessä . Ymmärryksen ja hoidon edistymisestä huolimatta HF: n kuolleisuus on edelleen erittäin korkea, sillä 50 prosenttia potilaista kuolee 5 vuoden kuluessa ensimmäisestä diagnoosista .

HF: n takaisinotto sairaalahoidon jälkeen on yleistä, ja valitettavasti monet näistä takaisinotoista ovat ennustettavissa ja mahdollisesti ehkäistävissä . Vaikka uudet tiedot osoittivat Medicare-sairaalan takaisinottoprosenttien vähentyneen, HF on edelleen yksi yleisimmistä 30 päivän takaisinottoon liittyvistä diagnooseista; vuosien 2007-2009 Medicare-väittämiin perustuvien tietojen analyysi osoitti, että 24,8 prosenttia HF: n kanssa hyväksytyistä edunsaajista otettiin takaisin 30 päivän kuluessa ja 35,2 prosenttia takaisinotoista oli HF: lle . Nämä tilastot mahdollistivat sen, että kiinnitettiin entistä enemmän huomiota välineisiin, joilla ennakoidaan ja ehkäistään tällaisia takaisinottoja.

Kansas Cityn Kardiomyopatiakysely (Kccq) oli alun perin työkalu, jonka tarkoituksena oli antaa parempi kuvaus HF-potilaiden terveyteen liittyvästä elämänlaadusta . Tässä kyselylomakkeessa yksilöitiin seuraavat kliinisesti merkitykselliset osa-alueet: fyysiset rajoitukset (kysymys 1), oireet (esiintymistiheys , vaikeusaste ja muutos ajan mittaan), itseteho ja tietämys (kysymykset 11 ja 12), sosiaaliset häiriöt (kysymys 16) ja terveyteen liittyvä elämänlaatu (kysymykset 13-15) . Aiemmat tutkimukset ovat osoittaneet, että KCCQ-pisteet korreloivat eloonjäämiseen ja sairaalahoitoon HF-potilailla ja että se oli riippumaton huonon ennusteen ennustaja tässä potilasryhmässä . Lisäksi kccq-pisteet mitattiin 1 viikon kuluttua sairaalasta kotiuttamisesta, ja ne ennustivat itsenäisesti yhden vuoden eloonjäämisen ilman kardiovaskulaarista takaisinottoa . Viime aikoina KCCQ: ta on tutkittu myös akuutin HF-sairaalahoidon aikana ja se on osoittanut herkkyyttä akuuteille muutoksille, mutta pisteytyksen muutokset sairaalahoidon aikana eivät ennustaneet lyhytaikaista takaisinottoa , vaikka se oli suhteellisen pieni tutkimus, jossa otoskoko oli vain 52 potilasta, eikä siinä tutkittu kccq-pisteiden ja HF-takaisinoton välistä suhdetta. Sen vuoksi ei ole vielä täysin arvioitu, voidaanko kccq-pistettä käyttää lyhyen aikavälin takaisinoton ennustamiseen.

näiden tietämyksen puutteiden korjaamiseksi ja sen selvittämiseksi, voidaanko kccq-pistemäärää käyttää lyhyen aikavälin HF-takaisinoton ennustamiseen, suunnittelimme ja toteutimme tämän tulevaisuudentutkimuksen.

2. Menetelmät

Floridan sairaalan institutionaalisen arviointilautakunnan hyväksymä tutkimus toteutettiin Helsingin julistuksen mukaisesti. Tutkimus tehtiin Floridan sairaalassa Orlandon kampuksella. Potilaat, jotka otettiin HF-yksikköön, seulottiin ja otettiin tutkimukseen. Tutkimukseen otettiin potilaita, joilla oli dekompensoitu HF ja ejektiofraktio (EF) enintään 40% ja ikä 20-89 vuotta. Poissulkemisperusteina olivat muu kuin kardiaalinen sairaus, jonka elinajanodote oli alle vuosi, korjaamattomasta läppäviasta johtuva HF, asianmukaista seurantaa haittaava psykiatrinen sairaus, kyvyttömyys ymmärtää tutkimusmenetelmää ja kyvyttömyys antaa tietoon perustuvaa suostumusta. Ensisijainen päätetapahtuma oli 30 päivän takaisinottonopeus ja kccq-pisteet. Sisäänpääsy liitännäissairauksia olosuhteet, väestötiedot, laboratorio, kaikukardiografiset tiedot, ja lääkitys vastuuvapauden olivat toissijaisia päätepisteitä.

jokaiselle tutkimuskriteerit täyttävälle potilaalle koulutettu tutkimusassistentti selitti tutkimuksen potilaalle ja antoi kccq: n sen jälkeen, kun oli saatu kirjallinen tietoon perustuva suostumus. Arviointi tehtiin yleensä 1-3 päivän kuluessa ennen purkamista. 30 päivän kuluttua kotiuttamisesta käytiin puhelimitse seurantakeskustelu, jossa selvitettiin, tapahtuiko uudelleen sairaalahoito vai ei. Postdischation-takaisinottotietoja kerättiin potilaan seurantahaastattelulla.

arvioidaksemme kccq-pistemäärän ja takaisinoton välisiä yhteyksiä 30 päivän kuluessa vastuuvapauden myöntämisestä vertasimme ensin ei-readmission-ryhmän ja takaisinoton ryhmän välistä eroa KCCQ-pisteiden, demografisten ominaisuuksien, samanaikaisen sairauden, lääkkeiden ja laboratorioaineiston osalta käyttäen univariate-analyysia. Univariate-analyysissä t-testiä käytettiin jatkuvaan muuttujaan, ja Fisherin tarkkaa testiä käytettiin laskentamäärän analysointiin. Sitten teimme monimuuttuja-analyysin selvittääksemme, miten kukin kliininen tekijä liittyi HF: n takaisinottoon muiden tekijöiden kontrolloinnin jälkeen. Monimuuttuja-analyysissä käytettiin logistisia regressiomalleja, ja kullekin tekijälle, jonka oletetaan ennustavan HF: n takaisinottoa, estimoitiin oikaistut kerroinsuhteet (tai). Otimme logistiseen regressioon mukaan HF: n takaisinoton riippuvaisena muuttujana ja kaikki potentiaaliset tekijät itsenäisinä ennustajina riippumatta siitä, osoittivatko ne univariaattisessa analyysissä merkittävää eroa takaisinoton ja ei-readmission ryhmien välillä.

monimuuttuja-analyysin jälkeen rakensimme vielä viisi yksinkertaistettua ennustemallia ja arvioimme kccq-pisteiden merkitystä lopullisessa mallissa vertaamalla kunkin mallin vastaanottimen toimintavalmiuskäyrää (Roc). Tässä analyysissä käytimme myös integrated discrimination improvement (IDI) – menetelmää, jota Pencina et al., mitata malliherkkyyden keskimääräistä kasvua, jota rangaistaan spesifisyyden keskimääräisestä vähenemisestä lisäämällä uusia muuttujia . Ennustemalleissa Ikä muunnettiin jokaiseen 10 vuoden lisäykseen, ejektiofraktio jokaiseen 10%: n laskuun, KCCQ-pistemäärä jokaiseen 25 pisteen lisäykseen ja natriumarvo binäärimuuttujaksi (<135 tai ≥135).

Kaksisataakaksikahdeksan (228 eli 95%) potilasta sai täydelliset tiedot kaikista muuttujista. Kuitenkin 12 potilaasta (5%) puuttuivat tiedot joko iästä tai rodusta. Koska sisäkkäistä puuttuvaa kuviota ei havaittu, data-imputoinnissa käytettiin useita imputaatiomalleja. Koska ikä oli jatkuva muuttuja ja rotu binäärimuuttuja, iän suhteen käytettiin normaalia lineaarista regressiota, kun taas rodun imputoinnissa käytettiin logistista regressiota. Kaikki analyysit tehtiin Statan versiolla 14 (StataCorp., 2015). Kaikki arvot olivat kaksipyrstöisiä, ja ne asetettiin tilastollisen merkitsevyyden tasoksi kaikille testeille.

3. Tulokset

tutkimukseen otettiin yhteensä 240 potilasta. 48 potilasta (20%) otettiin takaisin 30 päivän kuluessa HF: n kotiuttamisesta, kun taas 192 potilasta (80%) ei otettu takaisin muista syistä kuin HF (Taulukko 1). Hoitamattomien ja takaisin otettujen potilaiden välillä ei ollut merkitsevää eroa keski-iän (63, 0 vs. 59, 9 V,), sairaalassaolon alun pituuden (11, 2 vs. 9, 7 vrk,) tai valkoihoisten potilaiden prosenttiosuuden (59, 9% vs. 56, 3%,) suhteen. Näiden kahden ryhmän välillä havaittiin kuitenkin merkittävä ero sukupuolen vertailussa, sillä miespotilaat olivat alttiimpia takaisinotolle kuin naiset (85, 4%, 68, 8%, miehet 68, 8% ja naiset 14, 6%, 31, 3%). Yhdessäkään liitännäissairauksista ei havaittu merkittävää eroa takaisinottoryhmän ja ei-takaisinottoryhmän suhteellisessa esiintymistiheydessä (Taulukko 1).

KCCQ-pisteitä, laboratoriokokeiden tuloksia sisäänpääsystä ja kotiutuslääkkeistä verrattiin palauttamattomien ja takaisin otettujen potilaiden välillä (Taulukko 2). Keskimääräinen KCCQ-arvo oli merkitsevästi korkeampi niillä potilailla, jotka eivät olleet saaneet hoitoa uudelleen, kuin takaisin otetuilla potilailla (40, 8 vs. 32, 6,). Takaisin otettuihin potilaisiin verrattuna ejektiofraktio oli suurempi, kun potilaat otettiin sisään (24, 7% ja 21, 8%). Univariate-analyysissä ei kuitenkaan havaittu merkittävää eroa kahden potilasryhmän välillä, kun verrattiin poistolääkkeitä, veren natriumpitoisuutta tai HGB: tä (Taulukko 2).

jotta voitaisiin tutkia tarkemmin kunkin riippumattoman muuttujan vaikutusta ja samalla kontrolloida muita kovariaatteja, suoritettiin monimuuttuja-analyysit (Taulukko 3 ja kuva 1). Tulokset osoittivat, että kccq-pisteet ja EF olivat negatiivisesti yhteydessä takaisinottoasteeseen (oikaistu tai = 0,566 ja 1,903 ja ja 0,021, resp.) ja että miehet otettiin takaisin todennäköisemmin kuin naiset (Mukautettu tai = 5, 589,). Mielenkiintoista on, että sydäninfarktia sairastavat potilaat olivat todennäköisempiä (Mukautettu tai = 2, 849,) ja potilaat, joilla oli sydäninfarkti, otettiin takaisin harvemmin (Mukautettu tai = 0, 231,) kuin potilaat, joilla oli muita samanaikaisia sairauksia. Yksi mahdollinen tulkinta voisi olla, että potilailla, joilla on ollut sydäninfarkti, on todennäköisemmin seinäliikkeiden poikkeavuuksia ja kiinteitä sydänlihasvaurioita ja siten pienempi ejektiofraktio kuin niillä, joilla ei ole sydäninfarktia, mikä johtaa päinvastaiseen vaikutukseen HF: n takaisinottoon.

Kuva 1

korjatut takaisinoton kertoimet 30 päivän kuluessa purkamisesta, jotka on saatu monimuuttujalogistisesta regressioanalyysistä.

arvioidaksemme, kuinka paljon kccq: n pistemäärä vaikutti HF: n takaisinoton ennustamiseen, kehitimme mallin sisällyttämällä kccq: n pistemäärän lisäksi seitsemän tekijää (malli 5) monimuuttujaregressiotulosten, julkaistun kirjallisuuden ja mallien perusteella. C-statistic osoitti, että malli 5, joka sisälsi KCCQ-pisteet ja kaikki muut potentiaaliset ennustajat, oli korkein C-statistic-arvo (0,710) muiden alennettujen mallien joukossa, joilla ei ollut kccq-pistettä (kuva 2). Kuten taulukosta 4 ilmenee, IDI-analyysi osoitti, että mallin 5 syrjivä suorituskyky parani 6,6 prosenttia perusmallista (malli 1), johon sisältyi vain ikä ja sukupuoli, ja 2,7 prosenttia alennetusta mallista (malli 4), johon sisältyivät kaikki tekijät paitsi kccq-pisteet (tämä on absoluuttinen lisäys; verrattuna malliin 4, koko mallin, jossa kccq, malli 5, IDI-arvo kasvoi ). Toisaalta EF nosti HF: n takaisinottoon liittyvänä vakiintuneena itsenäisenä tekijänä IDI-arvon 1,3 prosentista (malli 3) 3,9 prosenttiin (malli 4). Nämä tulokset viittasivat siihen, että KCCQ: n pistemäärä yhtenä itsenäisenä muuttujana on yksi niistä tärkeistä tekijöistä, joita voitaisiin mahdollisesti käyttää ennustettaessa HF-potilaiden takaisinottoprosentteja 30 päivän kuluessa kotiuttamisesta, ja kaikkien näiden tärkeiden tekijöiden yhdistelmä tarjoaisi suurimman lisähyödyn.

kuva 2

ROC-alueen vertailu eri mallien välillä. Malli 1: logit (read30) = ikä + sukupuoli; malli 2: logit (read30) = ikä + sukupuoli + beta_blocker + ace/arb; malli 3: logit (read30) = ikä + sukupuoli + beta_blocker + ace/arb + natrium + HGB; malli 4: logit (read30) = ikä + sukupuoli + beta_blocker + ace/arb + natrium + HGB + ef; ja malli 5: logit (read30) = ikä + sukupuoli + Ace + ARB + natrium + HGB + ef; ja malli 5: logit (read30) = ikä + sukupuoli + beta_blocker + Ace/ARB + natrium + HGB + EF + kccq. read30: takaisinotto 30 päivän kuluttua.

4. Keskustelu

tässä prospektiivisessa tutkimuksessa havaitsimme, että kccq-arvo oli merkittävästi yhteydessä lyhytaikaiseen HF: n takaisinottoasteeseen. Se osaltaan parantaa C-tilastot malli perustuu ikään, sukupuoli, lääkkeet, laboratoriotiedot, ja LVEF saatavilla vastuuvapaus 0.670 0.710 ja nosti IDI 2.7%, mikä viittasi siihen, että se voi olla hyödyllistä ennustaa 30 päivän takaisinotto ja siten merkittävästi parantaa ennusteen luotettavuutta yhdistettynä muihin kriittisiin komponentteihin. Nämä havainnot voivat auttaa ohjaamaan seurantastrategioita optimaalisen hoidon antamiseksi, kuten rohkaisemaan potilaita, joilla on alempi KCCQ, ottamaan varhaisen seurannan .

on pyritty tunnistamaan ennakoitavissa olevat tekijät, jotka liittyvät suureen takaisinottoriskiin, mikä on ollut tähän asti varsin haastavaa. Tässä tutkimuksessa havaitsimme, että HF-potilaat, joilla oli alempi kccq-arvo kotiutushetkellä ja alempi EF sekä miessukupuoli, näyttivät olevan alttiimpia takaisinotolle 30 päivän kuluessa. Havainnot olivat samankaltaisia kuin joissakin tutkimuksissa, mutta eivät toisissa. Itse asiassa ei ole osoitettu, että mitkään erityiset potilas-tai sairaalatekijät olisivat johdonmukaisesti ennustaneet 30 päivän takaisinottoa sairaalahoidon jälkeen. 112 tutkimuksen systemaattisessa katsauksessa, jossa kuvailtiin perinteisten potilasominaisuuksien ja sairaalahoidon jälkeisen takaisinoton yhteyttä HF: ään, vasemman kammion EF: ään sekä muihin tekijöihin, kuten demografisiin ominaisuuksiin, samanaikaisiin sairauksiin ja New Yorkin sydänyhdistyksen luokkaan, liittyi takaisinotto vain vähemmistö tapauksista . Toisessa meta-analyysissä, joka kattoi 69 tutkimusta ja 144 lyhytaikaiseen takaisinottoon liittyvää tekijää, ei-kardioskulaariset liitännäissairaudet, heikko fyysinen kunto, sisäänottohistoria ja näyttöön perustuvan lääkityksen käyttämättä jättäminen, pikemminkin kuin sydän-ja verisuonitautien oheissairaudet, ikä tai sukupuoli, liittyivät voimakkaammin lyhytaikaiseen takaisinottoon .

Kccq-pisteillä on osoitettu olevan paljon suurempi herkkyys kliinisille muutoksille HF-potilailla kuin New York Heart Associationin (NYHA) funktionaaliluokituksella, Minnesota Living with Heart Failure Questionnaire (Lihfe) ja Short Form-36 (SF-36) . EVEREST-tutkimus osoitti, että KCCQ on tärkeä ennusteindikaattori takaisinotossa vuoden kuluessa vastuuvapauden myöntämisestä . Heidän tutkimuksessaan potilailla, joiden kccq-pisteet olivat < 25 (huonompi terveydentila), oli yli kolminkertainen riski sairaalahoidon ja kuolleisuuden yhdistettyyn päätetapahtumaan verrattuna niihin potilaisiin, joiden terveydentila oli paras (kccq-pisteet > 75). Viime aikoina kccq-pistemäärää käytettiin arvioimaan, onko mahdollista heijastaa akuutin HF: n muutoksia sairaalahoidon aikana ja ennustaa 30 päivän takaisinotto. Kirjoittajat havaitsivat, että oli mahdollista käyttää kccq aikana akuutti HF sairaalahoidossa ja oli herkkä kliinisen paranemisen, mutta pisteet muutokset sairaalahoidon aikana ei ennustanut 30 päivän takaisinottoa. Tämä tutkimus oli kuitenkin suhteellisen pieni tutkimus, johon osallistui vain 54 potilasta ja jossa keskityttiin kccq: n pisteeroihin sairaalahoidon aikana ei-readmission-ja sisäänpääsyryhmien välillä . Sitä vastoin tutkimukseemme otettiin yli 240 potilasta, ja KCCQ-pisteet olivat korkeammat potilailla, jotka eivät olleet saaneet hoitoa, ja ne olivat itsenäisesti yhteydessä alhaisempaan 30 päivän takaisinottoon.

kuten edellä mainittiin, HF: n takaisinottoon vaikuttaa useita tekijöitä, minkä vuoksi kehitettiin riskinennustemalleja, jotka sisälsivät ja punnitsivat kaikki merkitykselliset tekijät. Näissä malleissa syrjintää, joka määritellään vastaanottimen toimintaominaisuuskäyrän (Roc) alla olevan alueen mukaan, käytetään kertomaan, kuinka hyvin malli voi erottaa ne, joilla on tulos, ja ne, joilla ei ole kiinnostavuuden tulosta. Tässä tapauksessa, jos ennustetut riskit takaisinotetuille potilaille ovat kaikki suurempia kuin potilaille, jotka eivät ole takaisinotettuja, malli syrjii täydellisesti C-statistic 1: n kanssa. Vastaavasti jos riskiennuste ei ole sattumaa parempi, c-tilasto on 0,5. Malleja pidetään tyypillisesti kohtuullisina, kun c-tilasto on suurempi kuin 0,7 ja vahvoina, kun c-tilasto on suurempi kuin 0,8 . 30 päivän takaisinottoon HF-sairaalahoidon jälkeen on kehitetty useita malleja. Vain kaksi mallia ovat tuottaneet yli 0,6: n C-statistiikan tutkittuaan sekä derivointi-että validointikohortteja. Yksi niistä on amarasinghamin et al: n kehittämä automatisoitu malli. sisältää tiedot sähköisestä potilaskertomuksesta sairaalahoidon aikana . Toisessa mallissa yhdistettiin väittämiin perustuvat demografiset ja samanaikaiset tiedot kliinisiin tietoihin, kuten elintoimintoihin, laboratorioarvoihin ja mitattuun vasemman kammion ejektiofraktioon . Kummassakaan mallissa ei kuitenkaan ollut kccq-pisteitä. Koska tutkimuspopulaatiossamme oli vain 48 readmissiota, sisällytimme kccq-pistemäärän lisäksi vain 7 muuttujaa koko malliin (malli 5). Mukaan otettiin myös tiedot lääkkeistä, beetasalpaajasta ja ACE: n estäjästä/ARB: stä, joiden oli osoitettu alentavan HF-kuolleisuutta , sekä natrium-ja Hgb: stä, jotka voivat vaikuttaa HF: n uudelleensairaaloitumiseen ja kuolleisuuteen ja joita on käytetty muissa malleissa (http://www.readmissionscore.org/heart_failure.php), vaikka ne eivät liittyneet itsenäisesti takaisinottoon monimuuttujaanalyysissä. Täysi malli (model 5), joka sisälsi kccq-pistemäärän, nosti perusmalli 1: ssä iän ja sukupuolen perusteella C-tilastoksi 0,617.710, jossa IDI-lisäys on 6,6 prosenttia. Koska monet muut mahdolliset riskitekijät, kuten GFR ja BNP, eivät sisälly tähän malliin, tämä malli ei välttämättä ole täydellinen, vaikka sen c-tilasto oli suurempi kuin 0,7,ja se saattaa liioitella kccq-pisteiden vaikutusta. Tuloksemme kuitenkin viittasivat siihen, että kccq: n panos lyhyen aikavälin HF-takaisinoton ennustamisessa voisi mahdollisesti olla yhtä tärkeä kuin LVEF.

nykyiset löydökset on otettava huomioon tutkimuksen rajoitusten yhteydessä. Tämä tutkimus tehtiin yhden yhteisön terveyskeskus, ja lisätutkimuksia muissa keskuksissa tai useita keskuksia on tehtävä vahvistaa meidän havainnot. Annoimme kccq: ta vain kerran sairaalahoidon aikana, mikä ei heijastaisi muutoksia sisäänpääsyn, sairaalahoidon aikana ja sairaalahoidon jälkeen. Emme keränneet joitakin asiaan liittyviä sairaushistoria, kuten historia sisäänpääsy johtuu sydämen vajaatoiminta aiemmin; lääkärintarkastus havainnot; joitakin muita laboratorioita, kuten GFR ja BNP, tai rintakehän röntgenkuvaus havainnot. Näillä tekijöillä voisi olla merkitystä myös riskinennustusmallissa.

lyhenteet

lisäpisteet

pätevyys lääketieteellisessä tietämyksessä. Sydämen vajaatoiminta on yksi yleisimmistä takaisinottoon liittyvistä diagnooseista. KCCQ score tarjosi tärkeää ennustetietoa 30 päivän takaisinoton ennustamiseen ja se voi merkittävästi parantaa ennusteen luotettavuutta yhdessä muiden kriittisten komponenttien kanssa. Translaationäkymät. Lisää kliinisiä tutkimuksia on tehtävä useissa keskuksissa, joissa on suurempi otoskoko, jotta löydöksemme voidaan vahvistaa. Tuleviin tutkimuksiin olisi sisällyttävä olennaiset lääkärintarkastuslöydökset ja rintakehän Röntgenkuvauslöydökset, joilla voi olla merkitystä riskinennustusmallissa.

kilpailevat intressit

tekijät ilmoittavat, ettei heillä ole kilpailevia intressejä.

kirjailijoiden osuus

Shengchuan Dai ja Junhong Gui osallistuivat yhtä lailla käsikirjoituksen laatimiseen.

kiitokset

kirjoittajat haluavat antaa tunnustusta seuraaville floridalaisen sairaalan Orlandon lääkäreille, jotka auttoivat tiedonkeruussa: Maria Amin (MD); Saroj Khadka (MD); Prabhava Bagla (MD); ja Zoltan Varga (MD, Ph. D.).