Development and Validation of Multivariable Models to Predict Mortality and Hospitalization in Patients with Heart Failure
Notice bibliographique
Résumé
INTRODUCTION: From a prospective multicentre multicountry clinical trial, we developed and validated risk models to predict prospective all-cause mortality and hospitalizations because of heart failure (HF) in patients with HF. METHODS AND RESULTS: BIOSTAT-CHF is a research programme designed to develop and externally validate risk models to predict all-cause mortality and HF hospitalizations. The index cohort consisted of 2516 patients with HF from 69 centres in 11 European countries. The external validation cohort consisted of 1738 comparable patients from six centres in Scotland, UK. Patients from the index cohort had a mean age of 69 years, 27% were female, 83% were in New York Heart Association (NYHA) class II-III and the mean left ventricular ejection fraction (LVEF) was 31%. The full prediction models for mortality, hospitalization owing to HF, and the combined outcome, yielded c-statistic values of 0.73, 0.69, and 0.71, respectively. Predictors of mortality and hospitalization owing to HF were remarkably different. The five strongest predictors of mortality were more advanced age, higher blood urea nitrogen and N-terminal pro-B-type natriuretic peptide, lower haemoglobin, and failure to prescribe a beta-blocker. The five strongest predictors of hospitalization owing to HF were more advanced age, previous hospitalization owing to HF, presence of oedema, lower systolic blood pressure and lower estimated glomerular filtration rate. Patients from the validation cohort were aged 74 years, 34% were female, 85% were in NYHA class II-III, and mean LVEF was 41%; c-statistic values for the full and compact model were comparable to the index cohort. CONCLUSION: A small number of variables, which are usually readily available in the routine clinical setting, provide useful prognostic information for patients with HF. Predictors of mortality were remarkably different from predictors of hospitalization owing to HF.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».