Predictors of Clinical Outcomes in Elderly Patients with Heart Failure
Notice bibliographique
Résumé
AIMS: Heart failure (HF) in the elderly carries a poor prognosis. We used the SENIORS dataset of elderly HF patients aged ≥70 years in order to develop a risk model for this population. METHODS AND RESULTS: The SENIORS trial evaluated the effects of nebivolol and enrolled 2128 patients ≥70 years with HF (ejection fraction ≤35%, or recent HF admission). We randomly selected 1400 patients from the full dataset to produce a derivation cohort and the remaining 728 patients were used as a validation cohort. Baseline variables were entered into a bootstrap model with 200 iterations to determine their association with two outcomes, the composite of all-cause mortality or cardiovascular hospitalization, or all-cause mortality alone. Variables retaining a significant association with these outcomes in a multivariate model were used to develop a risk prediction score tested in the validation cohort. Five factors were associated with increased risk of both outcomes in the multivariate model: higher New York Heart Association class, higher uric acid level, lower body mass index, prior myocardial infarction, and larger left atrial (LA) dimension. For the composite outcome, peripheral arterial disease, years with heart failure, right bundle branch block, diabetes mellitus, and orthopnoea were also retained. For all-cause mortality, creatinine, 6 min walk test distance, coronary artery disease, and age were retained. CONCLUSION: In addition to conventional prognostic markers, uric acid and LA dimension appear to be important novel risk prediction markers in elderly patients with heart failure, and could be useful in guiding management.
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 | 0,000 |
| 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 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 ».