Predictors of New-Onset Heart Failure
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
BACKGROUND: About one half of patients with heart failure (HF) have preserved ejection fraction (HFPEF) rather than reduced ejection fraction (HFREF). The differences in risk factors predisposing to the 2 subtypes of HF are poorly understood. We sought to identify clinical predictors of new-onset HF and to explore differences in HFPEF versus HFREF. METHODS AND RESULTS: We studied new-onset HF cases between 1981 and 2008 in Framingham Heart Study participants, classified into HFPEF and HFREF (ejection fraction >45% versus ≤45%). We used Cox multivariable regression to examine predictors of 8-year risk of incident HF and competing-risks analysis to identify predictors that differed between HFPEF and HFREF. Among 6340 participants (60±12 years) with 97 808 person-years of follow-up, 512 developed incident HF. Of 457 participants with left ventricular ejection fraction evaluation at the time of HF diagnosis, 196 (43%) were classified as HFPEF and 261 (56%) as HFREF. Fourteen predictors of overall HF were identified. Older age, diabetes mellitus, and a history of valvular disease predicted both types of HF (P≤0.0025 for all). Higher body mass index, smoking, and atrial fibrillation predicted HFPEF only, whereas male sex, higher total cholesterol, higher heart rate, hypertension, cardiovascular disease, left ventricular hypertrophy, and left bundle-branch block predicted risk of HFREF. CONCLUSIONS: Although multiple risk factors preceded overall HF, distinct clusters of risk factors determine risk for new-onset HFPEF versus HFREF. This knowledge may enable the design of clinical trials of targeted prevention and the introduction of therapeutic strategies for prevention of HF and its 2 major subtypes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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