Predictors of mortality and morbidity in patients with chronic 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
AIMS: We aimed to develop prognostic models for patients with chronic heart failure (CHF). METHODS AND RESULTS: We evaluated data from 7599 patients in the CHARM programme with CHF with and without left ventricular systolic dysfunction. Multi-variable Cox regression models were developed using baseline candidate variables to predict all-cause mortality (n=1831 deaths) and the composite of cardiovascular (CV) death and heart failure (HF) hospitalization (n=2460 patients with events). Final models included 21 predictor variables for CV death/HF hospitalization and for death. The three most powerful predictors were older age (beginning >60 years), diabetes, and lower left ventricular ejection fraction (EF) (beginning <45%). Other independent predictors that increased risk included higher NYHA class, cardiomegaly, prior HF hospitalization, male sex, lower body mass index, and lower diastolic blood pressure. The model accurately stratified actual 2-year mortality from 2.5 to 44% for the lowest to highest deciles of predicted risk. CONCLUSION: In a large contemporary CHF population, including patients with preserved and decreased left ventricular systolic function, routine clinical variables can discriminate risk regardless of EF. Diabetes was found to be a surprisingly strong independent predictor. These models can stratify risk and help define how patient characteristics relate to clinical course.
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 | 0,000 |
| 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