Scoring System Based on Electrocardiogram Features to Predict the Type of Heart Failure 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
BACKGROUND: Heart failure (HF) is divided into heart failure with reduced ejection fraction (HFrEF) and heart failure with preserved ejection fraction (HFpEF). Mortality from HF is inversely related to left ventricular function. Additional studies are required to distinguish between these two types of HF. A previous study showed that HFrEF is less likely when electrocardiogram (ECG) findings are normal. This study aims to create a scoring system based on ECG findings that will predict the type of HF. METHODS: We performed a cross-sectional study analyzing ECG and echocardiographic data from 110 subjects with chronic HF. HFrEF was defined as an ejection fraction ≤ 40%. RESULTS: Fifty people were diagnosed with HFpEF and 60 people suffered from HFrEF. Multiple logistic regression analysis revealed certain ECG variables that were independent predictors of HFrEF, i.e., left atrial hypertrophy (LAH), QRS duration > 100 ms, right bundle branch block (RBBB), ST-T segment changes and prolongation of the QT interval. Based on receiver operating characteristic (ROC) curve analysis, we obtained a score for HFpEF of -1 to +3, while HFrEF had a score of +4 to +6 with 76% sensitivity, 96% specificity, a 95% positive predictive value, an 80% negative predictive value and an accuracy of 86%. CONCLUSIONS: The scoring system derived from this study, including the presence or absence of LAH, QRS duration > 100 ms, RBBB, ST-T segment changes and prolongation of the QT interval can be used to predict the type of HF with satisfactory sensitivity and specificity.
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 | 0,001 |
| 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 découle