Evidence-based detection of pulmonary arterial hypertension in systemic sclerosis: the DETECT study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Earlier detection of pulmonary arterial hypertension (PAH), a leading cause of death in systemic sclerosis (SSc), facilitates earlier treatment. The objective of this study was to develop the first evidence-based detection algorithm for PAH in SSc. METHODS: In this cross-sectional, international study conducted in 62 experienced centres from North America, Europe and Asia, adults with SSc at increased risk of PAH (SSc for >3 years and predicted pulmonary diffusing capacity for carbon monoxide <60%) underwent a broad panel of non-invasive assessments followed by diagnostic right heart catheterisation (RHC). Univariable and multivariable analyses selected the best discriminatory variables for identifying PAH. After assessment for clinical plausibility and feasibility, these were incorporated into a two-step, internally validated detection algorithm. Nomograms for clinical practice use were developed. RESULTS: Of 466 SSc patients at increased risk of PAH, 87 (19%) had RHC-confirmed PAH. PAH was mild (64% in WHO functional class I/II). Six simple assessments in Step 1 of the algorithm determined referral to echocardiography. In Step 2, the Step 1 prediction score and two echocardiographic variables determined referral to RHC. The DETECT algorithm recommended RHC in 62% of patients (referral rate) and missed 4% of PAH patients (false negatives). By comparison, applying European Society of Cardiology/European Respiratory Society guidelines to these patients, 29% of diagnoses were missed while requiring an RHC referral rate of 40%. CONCLUSIONS: The novel, evidence-based DETECT algorithm for PAH detection in SSc is a sensitive, non-invasive tool which minimises missed diagnoses, identifies milder disease and addresses resource usage.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle