Left Ventricular Function and Volume with Coronary CT Angiography Improves Risk Stratification and Identification of Patients at Risk for Incident Mortality: Results from 7758 Patients in the Prospective Multinational CONFIRM Observational Cohort Study
Notice bibliographique
Résumé
PURPOSE: To assess whether gradations of left ventricular (LV) ejection fraction (LVEF) and volumes measured with coronary computed tomography (CT) would augment risk stratification and discrimination for incident mortality. MATERIALS AND METHODS: This study was approved by the institutional review board, and informed consent was obtained when required. Subjects without known coronary artery disease (CAD) who underwent cardiac CT angiography with quantitative LV measurements were categorized according to LVEF (≥ 55%, 45%-54.9%, 35%-44.9%, or <35%). LV end-systolic volume (LVESV) and LV end-diastolic volume (LVEDV) were classified as normal (≥ 90 mL) or abnormal (≥ 200 mL). CAD extent and severity was categorized as none, nonobstructive, obstructive (≥ 50%), one-vessel, two-vessel, and three-vessel or left main disease. LVEF and volumes were assessed for risk prediction and discrimination of future mortality by using Cox hazards model and receiver operating characteristic curve analysis, respectively. RESULTS: During a follow-up of 2.0 years ± 0.9, 7758 patients (mean age, 58.5 years ± 13.0; 4220 male patients [54.4%]) were studied. At multivariable analysis, worsening LVEF was independently associated with mortality for moderately (hazard ratio = 3.14, P < .001) and severely (hazard ratio = 5.19, P < .001) abnormal ejection fraction. LVEF demonstrated improved discrimination for mortality (Az = 0.816) when compared with CAD risk factors alone (Az = 0.781) or CAD risk factors plus extent and severity. At multivariable analysis of a subgroup of 3706 individuals, abnormal LVEDV (hazard ratio = 4.02) and LVESV (hazard ratio = 6.46) helped predict mortality (P < .001). Similarly, LVESV and LVEDV demonstrated improved discrimination when compared with CAD risk factors or CAD extent and severity (P < .05). CONCLUSION: LV dysfunction and volumes measured with cardiac CT angiography augment risk prediction and discrimination for future mortality.
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 | 0,001 | 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 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 ».