Predicting appropriate shocks in patients with heart failure: Patient level meta‐analysis from SCD‐HeFT and MADIT II
Notice bibliographique
Résumé
BACKGROUND: No precise tools exist to predict appropriate shocks in patients with a primary prevention ICD. We sought to identify characteristics predictive of appropriate shocks in patients with a primary prevention implantable cardioverter defibrillator (ICD). METHODS: Using patient-level data from the Multicenter Automatic Defibrillator Implantation Trial II (MADIT II) and the Sudden Cardiac Death in Heart Failure Trial (SCD-HeFT), we identified patients with any appropriate shock. Clinical and demographic variables were included in a logistic regression model to predict appropriate shocks. RESULTS: There were 1,463 patients randomized to an ICD, and 285 (19%) had ≥1 appropriate shock over a median follow-up of 2.59 years. Compared with patients without appropriate ICD shocks, patients who received any appropriate shock tended to have more severe heart failure. In a multiple logistic regression model, predictors of appropriate shocks included NYHA class (NYHA II vs. I: OR 1.65, 95% CI 1.07-2.55; NYHA III vs. I: OR 1.74, 95% CI 1.10-2.76), lower LVEF (per 1% change) (OR 1.04, 95% CI 1.02-1.06), absence of beta-blocker therapy (OR 1.61, 95% CI 1.23-2.12), and single chamber ICD (OR 1.67, 95% CI 1.13-2.45). CONCLUSION: In this meta-analysis of patient level data from MADIT-II and SCD-HeFT, higher NYHA class, lower LVEF, no beta-blocker therapy, and single chamber ICD (vs. dual chamber) were significant predictors of appropriate shocks.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,008 |
| Bibliométrie | 0,001 | 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 ».