ABSTRACT
Background: Use of a sodium-glucose cotransporter-2 inhibitor (SGLT2i) reduces hospitalization in heart failure (HF) patients across the spectrum of ejection fraction, but no study has comprehensively explored their impact on quality of life (QoL) with respect to different subgroup populations. We aimed to explore the QoL impact of SGLT2i use in HF patients across the spectrum of ejection fraction and over time. Methods: We searched MEDLINE, Embase, and Cochrane Central Register of Controlled Trials (CENTRAL) covering the period from 2019 to February 2022. We included placebo-controlled randomized controlled trials (RCTs) enrolling HF patients that evaluated QoL as an outcome. Two reviewers independently assessed studies for eligibility, extracted data, and assessed risk of bias (RoB), using the Cochrane RoB2 tool, and certainty of evidence, using the Grading of Recommendations Assessment, Development and Evaluation (GRADE) framework. Primary and secondary outcomes were the mean difference in QoL, and clinically important improvement in QoL, as defined in the original study, respectively. We conducted subgroup analyses based on ejection fraction category, SGLT2i agent, and timing of QoL measurement. Results: From 1477 identified reports, we included 14 RCTs (n = 23,361). The mean age was 68 years, and 34% were female. All included RCTs reported QoL using the Kansas City Cardiomyopathy Questionnaire (KCCQ). SGLT2i use improved KCCQ-overall summary score, compared with placebo (mean difference 2.0, 95% confidence interval 1.6-2.5; high certainty). More patients receiving an SGLT2i achieved a clinically important QoL improvement (risk ratio 1.14, 95% confidence interval 1.02-1.28; moderate certainty). Similar improvements were observed in the KCCQ clinical summary and total symptom subscores, and across all subgroups and timeframes. Conclusions: Use of an SGLT2i consistently provides a clinically important improvement in QoL among patients with HF, regardless of ejection fraction, with noticeable improvements seen as early as week 2.
Contexte: Les inhibiteurs du cotransporteur sodium-glucose de type 2 (SGLT-2) réduisent le nombre d'hospitalisations chez les patients atteints d'insuffisance cardiaque (IC), quelle que soit la fraction d'éjection. Cependant, aucune étude n'a examiné de manière exhaustive leur incidence sur la qualité de vie (QdV) dans différents sous-groupes de populations. Notre étude visait à explorer l'incidence de l'utilisation d'inhibiteurs du SGLT-2 sur la QdV des patients atteints d'IC, en fonction de la fraction d'éjection et au fil du temps. Méthodologie: Nous avons effectué des recherches dans les bases de données MEDLINE, Embase et le registre Cochrane Central Register of Controlled Trials (CENTRAL) couvrant la période de 2019 à février 2022. Nous avons inclus des essais contrôlés randomisés (ECR) contrôlés par placebo menés chez des patients atteints d'IC, dont les critères d'évaluation portaient sur la QdV. Deux examinateurs ont évalué indépendamment les critères d'admissibilité aux études, extrait les données et évalué le risque de biais, à l'aide de l'outil Cochrane RoB2, et la certitude des données probantes, à l'aide du cadre GRADE (Grading of Recommendations Assessment, Development and Evaluation). Les critères d'évaluation primaire et secondaire correspondaient à ceux définis dans l'étude d'origine et étaient respectivement la différence moyenne relative à la QdV et l'amélioration d'importance clinique de la QdV. Nous avons effectué des analyses par sous-groupes portant sur la catégorie de fraction d'éjection, l'inhibiteur du SGLT-2 utilisé et le moment de la mesure de la QdV. Résultats: Sur les 1 477 rapports recensés, nous avons inclus 14 ECR (n = 23 361). L'âge moyen était de 68 ans, et 34 % étaient des femmes. Tous les ECR inclus ont rapporté la QdV à l'aide du questionnaire KCCQ (Kansas City Cardiomyopathy Questionnaire). L'utilisation d'inhibiteurs du SGLT-2 améliore le score sommaire global au questionnaire KCCQ, comparativement à un placebo (différence moyenne de 2,0, intervalle de confiance [IC] à 95 % de 1,6 à 2,5; certitude élevée). Un plus grand nombre de patients ayant reçu un inhibiteur du SGLT-2 ont obtenu une amélioration d'importance clinique de la QdV (rapport de risques de 1,14, IC à 95 % de 1,02 à 1,28; certitude modérée). Des améliorations similaires ont été observées pour le score sommaire clinique et le score des symptômes totaux du KCCQ, ainsi que dans tous les sous-groupes et à tous les moments de l'évaluation. Conclusions: L'utilisation d'un inhibiteur du SGLT-2 procure de manière constante une amélioration d'importance clinique de la QdV chez les patients atteints d'IC, indépendamment de la fraction d'éjection, des améliorations notables étant observées dès la deuxième semaine.
ABSTRACT
BACKGROUND: Machine learning (ML) algorithms can accurately estimate left ventricular ejection fraction (LVEF) from echocardiography, but their performance on cardiac point-of-care ultrasound (POCUS) is not well understood. OBJECTIVES: We evaluate the performance of an ML model for estimation of LVEF on cardiac POCUS compared with Level III echocardiographers' interpretation and formal echo reported LVEF. METHODS: Clinicians at a tertiary care heart failure clinic prospectively scanned 138 participants using hand-carried devices. Video data were analyzed offline by an ML model for LVEF. We compared the ML model's performance with Level III echocardiographers' interpretation and echo reported LVEF. RESULTS: There were 138 participants scanned, yielding 1257 videos. The ML model generated LVEF predictions on 341 videos. We observed a good intraclass correlation (ICC) between the ML model's predictions and the reference standards (ICC = 0.77-0.84). When comparing LVEF estimates for randomized single POCUS videos, the ICC between the ML model and Level III echocardiographers' estimates was 0.772, and it was 0.778 for videos where quantitative LVEF was feasible. When the Level III echocardiographer reviewed all POCUS videos for a participant, the ICC improved to 0.794 and 0.843 when only accounting for studies that could be segmented. The ML model's LVEF estimates also correlated well with LVEF derived from formal echocardiogram reports (ICC = 0.798). CONCLUSION: Our results suggest that clinician-driven cardiac POCUS produces ML model LVEF estimates that correlate well with expert interpretation and echo reported LVEF.