Identification of Patients Most Likely to Benefit From Implantable Cardioverter-Defibrillator Therapy
Notice bibliographique
Résumé
BACKGROUND: Patients with resuscitated ventricular tachyarrhythmias (ventricular tachycardia/ventricular fibrillation) benefit from implantable cardioverter-defibrillators (ICDs) compared with medical therapy. We hypothesized that the patients who benefit most from an ICD are those at greatest risk of death. METHODS AND RESULTS: In the Canadian Implantable Defibrillator Study (CIDS), 659 patients with resuscitated ventricular tachyarrhythmias were randomly assigned to receive an ICD or amiodarone and were then followed for a mean of 3 years. There were 98 and 83 deaths in the amiodarone and ICD groups, respectively. We used multivariate Cox analysis to assess the impact of baseline parameters on the mortality in the amiodarone group. Reduced left ventricular ejection fraction, advanced age, and poor NYHA status identified high-risk patients (P=0.0001 to 0.0009). Quartiles of risk were constructed, and the mortality reduction associated with ICD treatment in each quartile was assessed. There was a significant interaction between risk quartile and the ICD treatment effect (P=0.011). In the highest risk quartile, there was a 50% relative risk reduction (95% CI 21% to 68%) of death in the ICD group, whereas in the 3 lower quartiles, there was no benefit. Patients who are most likely to benefit from an ICD can be identified with a simple risk score (>/=2 of the following factors: age >/=70 years, left ventricular ejection fraction </=35%, and NYHA class III or IV). Thirteen of 15 deaths that were prevented by the ICD occurred in patients with >/=2 risk factors. CONCLUSIONS: In CIDS, patients at highest risk of death benefited most from ICD therapy. These can be identified easily on the basis of age, poor ventricular function, and poor functional status.
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 | 0,000 | 0,000 |
| 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 ».