Risk of stroke in chronic heart failure patients with preserved ejection fraction, but without atrial fibrillation: analysis of the CHARM-Preserved and I-Preserve trials
Notice bibliographique
Résumé
AIMS: The incidence and predictors of stroke in patients with heart failure and preserved ejection fraction (HF-PEF), but without atrial fibrillation (AF), are unknown. We described the incidence of stroke in HF-PEF patients with and without AF and predictors of stroke in those without AF. METHODS AND RESULTS: We pooled data from the CHARM-Preserved and I-Preserve trials. Using Cox regression, we derived a model for stroke in patients without AF in this cohort and compared its performance with a published model in heart failure patients with reduced ejection fraction (HF-REF)-predictive variables: age, body mass index, New York Heart Association class, history of stroke, and insulin-treated diabetes. The two stroke models were compared and Kaplan-Meier curves for stroke estimated. The risk model was validated in a third HF-PEF trial. Of the 6701 patients, 4676 did not have AF. Stroke occurred in 124 (6.1%) with AF and in 171 (3.7%) without AF (rates 1.80 and 1.00 per 100 patient-years, respectively). There was no difference in performance of the stroke model derived in the HF-PEF cohort and the published HF-REF model (c-index 0.71, 95% confidence interval 0.57-0.84 vs. 0.73, 0.59-0.85, respectively) as the predictive variables overlapped. The model performed well in the validation cohort (0.86, 0.62-0.99). The rate of stroke in patients in the upper third of risk approximated to that in patients with AF (1.60 and 1.80 per 100 patient-years, respectively). CONCLUSIONS: A small number of clinical variables identify a subset of patients with HF-PEF, but without AF, at elevated risk of stroke.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».