October 2017 at a Glance: Phenotyping Heart Failure, Co-Morbidities, Use of Evidence-Based Therapy and New Treatments
Notice bibliographique
Résumé
Phenotyping heart failure Acute heart failureChioncel et al. 1 assessed clinical characteristics and outcomes of 6629 patients hospitalized for acute heart failure (HF) enrolled in the European Society of Cardiology (ESC) Heart Failure Long-Term Registry.Patients were divided into six clinical profiles, based on the 2008 ESC guidelines.Different groups differed in clinical characteristics and outcomes.Prognostic stratification was achieved also using only systolic blood pressure (SBP).One-year mortality ranged from 34.8% in patients with SBP <85 mmHg to 17.4% in those with SBP >140 mmHg.The differences in outcomes with both classifications tended to diminish over time after discharge, becoming non-significant with regard to mortality after the first 6 months. 1 Thus, the influence of clinical profile or SBP at admission is reduced in patients surviving >6 months after discharge. Co-morbidities Brain damageBrain damage in HF was assessed in two studies by means of magnetic resonance imaging (MRI).The first study was based on the measurement of cerebral blood flow by arterial spin labelling-based perfusion MRI and showed multiple areas of cerebral hypoperfusion, mainly located in the right side of the brain, and involved in autonomic regulation, mood, and cognitive function, in HF patients, compared with normal subjects.7 Cogswell et al. 8 assessed the prevalence of subclinical cerebral infarctions in participants in the Atherosclerosis Risk in Communities (ARIC) study undergoing brain MRI, echocardiography and cognitive assessment.Among the 1527 studied subjects, prevalence
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
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 ».