Insights into the Importance of the Electrocardiogram in Patients with Acute Heart Failure
Notice bibliographique
Résumé
BACKGROUND: Patients presenting to the emergency department (ED) with acute heart failure (AHF) are at an increased risk of morbidity and mortality. The electrocardiogram (ECG) is a routine investigation in patients with AHF used to identify potential causes and/or complications. It is unclear whether 12-lead ECG characteristics can serve as a prognostic indicator in this population. METHODS AND RESULTS: Patients with AHF from four hospital EDs were prospectively enrolled into the AHF - Emergency Management cohort. In addition to baseline data collection, the first available ECG was read in a core laboratory. Clinical outcomes (all-cause mortality and readmission) were recorded and risk models were developed. Of 937 enrolled patients, 816 had a diagnosis of AHF and an available ECG. Median age of the population was 77 [interquartile range (IQR) 67-85], 47% were female and median ejection fraction was 45% (IQR 30-55). Abnormalities were common, with only 7.5% of patients having a normal ECG. During the median follow-up of 25.7 months, there were 379 (46%) all-cause deaths and 328 (40%) hospital readmissions. Sinus rhythm was associated with better outcomes [hazard ratio (HR) 0.76; 95% confidence interval (CI) 0.62, 0.94], while paced rhythms (HR 1.51, 95% CI 1.11, 2.05), a wide QRS (HR 1.29, 95% CI 1.04, 1.59) and an ECG with any abnormality (HR 1.57, 95% CI 1.01, 2.44) was associated with poorer outcomes. Other individual ECG characteristics were not related to clinical outcomes after risk adjustment. CONCLUSIONS: Certain ECG abnormalities are common in patients with AHF and associated with poor outcomes. Used in conjunction with other clinical variables, the ECG may be a useful tool in long-term risk stratifying patients.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».