The Ability of Heart Failure Specialists to Accurately Predict NT-proBNP Levels Based on Clinical Assessment and a Previous NT-proBNP Measurement
Notice bibliographique
Résumé
BACKGROUND: The value of routine aminoterminal pro type B natriuretic peptide (NT-proBNP) measurements in outpatient clinics remains unknown. OBJECTIVES: We sought to determine the accuracy with which heart failure (HF) specialists can predict NT-proBNP levels in HF outpatients based on clinical assessment. METHODS: We prospectively studied 160 consecutive HF patients followed in an outpatient multidisciplinary HF clinic. During a regular office visit, HF specialists were asked to estimate a patient's current NT-proBNP level based upon their clinical assessment and all available information from their chart, including a previous NT-proBNP level (if available). NT-proBNP estimations were grouped into prognostic categories (<125, 125-1000, 1000-4998, or >/=4999 pg/mL) and comparisons made between actual and estimate values. RESULTS: Overall, HF specialists estimated 67.5% of NT-proBNP levels correctly. After adjusting for clinical characteristics, knowledge of a prior NT-proBNP measurement was the only significant predictor of estimation accuracy (p=0.01). Compared to patients with a prior NT-proBNP level <125 pg/mL, physicians were 95% less likely to get a correct estimation in patients with the highest prior NT-proBNP level (>/=4999 pg/mL). CONCLUSION: HF specialists are reasonably accurate at estimating current NT-proBNP levels based upon clinical assessment and a previous NT-proBNP level, if those levels were < 4999 pg/mL. Likely, initial but not routine NT-proBNP measurements are useful in outpatient HF clinics.
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 | 0,020 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».