Interaction between the Kansas City Cardiomyopathy Questionnaire and the Pocock’s clinical score in predicting heart failure outcomes
Notice bibliographique
Résumé
PURPOSE: Heart failure (HF) is a complex syndrome. Its appropriate management should combine several health measurements. We assessed the relationship between the Kansas City Cardiomyopathy Questionnaire (KCCQ) and the Pocock's clinical score. METHODS: We conducted a prospective registry of HF outpatients. The main outcome was occurrence of death or hospitalization during a 6-month follow-up. A multivariate logistic regression was performed, including the KCCQ overall summary score, the Pocock's clinical score and their interaction in the model. RESULTS: From January 2008 to December 2010, 143 patients were involved. Mean age of patients was 68 years, and 74% were men. KCCQ's overall summary score and Pocock's clinical score were inversely correlated (r = -0.24, p = 0.026). A total of 61 (42.7%) events occurred. There was a high proportion of events (77.8%) in patients with a Pocock's clinical score > 50%, whatever the KCCQ score value. When the KCCQ score was ≤ 50 %, there was a low increase in risk as the Pocock's clinical score increased (OR 2.0 [0.6; 6.6]). However, when the KCCQ score was between 50 and 75 or ≥ 75 %, there was a high increase in risk as the Pocock's clinical score increased (OR 6.9 [1.2; 38.9] and OR 7.4 [0.8; 69.7], respectively). CONCLUSIONS: Patients with a high Pocock's clinical score are at a high risk of death or hospitalization. For patients with a low Pocock's clinical score, the KCCQ score can identify those at risk of these events.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».