A Systematic Assessment of Causes of Death After Heart Failure Onset in the Community
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: The high mortality rate in patients with heart failure (HF) is influenced by presence of multiple comorbidities. Data are limited on the relative contributions of cardiovascular versus noncardiovascular diseases to death in individuals with HF in the community. METHODS AND RESULTS: We examined the incidence and predictors of cardiovascular versus noncardiovascular death in participants with HF in the Framingham Heart Study. Underlying, immediate, and contributing causes of death (3 key elements of the World Health Organization classification) were adjudicated by a 3-physician review panel. During 1971 to 2004, 1025 participants with HF died (499 men, mean [SD] age at death 79 [11] years), including 463 participants with left ventricular ejection fraction (LVEF) data. Cardiovascular disease was the cause of death in 66.1% overall. Stratified by LVEF, cardiovascular deaths occurred in 44.5% and 69.9% of those with preserved and reduced LVEF, respectively. Presence of reduced LVEF increased the risk of cardiovascular death, with odds ratios of 3.16 (95% confidence interval [CI], 1.73 to 5.78) in men and 2.39 (95% CI, 1.39 to 4.08) in women. Prior myocardial infarction was associated with increased cardiovascular death in women with HF (odds ratio, 1.87; 95% CI, 1.10 to 3.16) but not in men. The risk of cardiovascular disease death decreased in women (odds ratio after 1980, 0.41; 95% CI, 0.24 to 0.69) and men (odds ratio, 0.66; 95% CI, 0.41 to 1.07, P=0.095) with HF over time. Infections and kidney disease emerged as key immediate and contributing causes of death, respectively. CONCLUSIONS: Individuals with HF in the community often experience cardiovascular death, but noncardiovascular disease also contributes significantly especially among those with preserved LVEF.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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