Recurrent events analysis for examination of hospitalizations in heart failure: insights from the Enhanced Feedback for Effective Cardiac Treatment (EFFECT) trial
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: Hospitalizations often occur multiple times during the disease course of a heart failure (HF) patient. However, repeated hospitalizations have not been explored in a fulsome way in this setting. We investigated the association between patient factors and the risk of hospitalization among patients with HF using an extension of the Cox model for the analysis of recurrent events. Methods and results: We examined hospitalizations and predictors of readmission among newly discharged patients with HF in the Enhanced Feedback For Effective Cardiac Treatment phase 1 (April 1999-March 2001) study with the Prentice-Williams-Peterson model with total time. Of 8948 individuals discharged alive from hospital, 7562 (84.5%) were hospitalized at least once during 15-year follow-up. More than 31 000 hospitalizations were observed. There was a progressive shortening of the interval length between hospitalization episodes. An increasing number of comorbidities (average 2.3 per patient) was associated to an increasing hazard of being readmitted to hospital. Most patient factors associated with the risk of hospitalization have been previously described in the literature. However, the estimates were smaller in comparison to a traditional analysis based on the Cox model. Conclusion: The importance of patient factors for the risk of being admitted to hospital was variable over the course of the disease. Conditions such as diabetes and chronic pulmonary obstructive disease had a sustained association with the rate of hospitalization across all episodes examined. The analysis of recurrent events can explore the longitudinal aspect of HF and the critical issue of hospitalizations in this population.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 découle