Multiparametric Prognostic Scores in Chronic Heart Failure with Reduced Ejection Fraction: A Long-Term Comparison
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
AIMS: Risk stratification in heart failure (HF) is crucial for clinical and therapeutic management. A multiparametric approach is the best method to stratify prognosis. In 2012, the Metabolic Exercise test data combined with Cardiac and Kidney Indexes (MECKI) score was proposed to assess the risk of cardiovascular mortality and urgent heart transplantation. The aim of the present study was to compare the prognostic accuracy of MECKI score to that of HF Survival Score (HFSS) and Seattle HF Model (SHFM) in a large, multicentre cohort of HF patients with reduced ejection fraction. METHODS AND RESULTS: We collected data on 6112 HF patients and compared the prognostic accuracy of MECKI score, HFSS, and SHFM at 2- and 4-year follow-up for the combined endpoint of cardiovascular death, urgent cardiac transplantation, or ventricular assist device implantation. Patients were followed up for a median of 3.67 years, and 931 cardiovascular deaths, 160 urgent heart transplantations, and 12 ventricular assist device implantations were recorded. At 2-year follow-up, the prognostic accuracy of MECKI score was significantly superior [area under the curve (AUC) 0.781] to that of SHFM (AUC 0.739) and HFSS (AUC 0.723), and this relationship was also confirmed at 4 years (AUC 0.764, 0.725, and 0.720, respectively). CONCLUSION: In this cohort, the prognostic accuracy of the MECKI score was superior to that of HFSS and SHFM at 2- and 4-year follow-up in HF patients in stable clinical condition. The MECKI score may be useful to improve resource allocation and patient outcome, but prospective evaluation is needed.
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 | 0,000 |
| 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 découle