Changes in N-Terminal Pro-B-Type Natriuretic Peptide Levels and Outcomes in Heart Failure with Preserved Ejection Fraction: An Analysis of the I-Preserve Study
Notice bibliographique
Résumé
AIMS: In patients with heart failure (HF) and reduced ejection fraction, decreases or increases in NT-proBNP levels are associated with better and worse outcomes, respectively. The association in HF and preserved ejection fraction (HF-PEF) is unknown. We examined the association between change in level of NT-proBNP and prognosis in patients with HF-PEF. METHODS AND RESULTS: We examined the association between change in NT-proBNP from baseline to 6 months and cardiovascular (CV) death or HF hospitalization in 2612 participants in the Irbesartan in Patients with Heart Failure and Preserved Systolic Function Study (I-Preserve). Change in NT-proBNP was modelled as a restricted cubic spline in a Cox model after adjusting for baseline NT-proBNP and known prognostic variables. Median change in NT-proBNP from baseline was -7 pg/mL (interquartile range -143 to +108). After adjustment, a 1000 pg/mL decrease in NT-proBNP from baseline was associated with a reduction in the risk of CV death or HF hospitalization [hazard ratio (HR) 0.73, 95% confidence interval (CI) 0.53-1.02]; a 1000 pg/mL increase was associated with an increase in risk (HR 2.01, 95% CI 1.50-2.69). Beyond a 1000 pg/mL rise or fall, there was little additional change in risk. Addition of change in NT-proBNP at 6 months to a model with only baseline NT-proBNP improved the C-statistic from 0.752 to 0.769 (P = 0.013). CONCLUSION: In HF-PEF, a rise in NT-proBNP was associated with an increase in risk of CV death or HF hospitalization and a fall was associated with a trend towards a decrease in risk. NT-proBNP may be a useful marker to monitor prognosis in this condition.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».