International collaborative study to assess cardiovascular risk and evaluate long-term health in cats with preclinical hypertrophic cardiomyopathy and apparently healthy cats: The REVEAL Study
Notice bibliographique
Résumé
BACKGROUND: Hypertrophic cardiomyopathy is the most prevalent heart disorder in cats and principal cause of cardiovascular morbidity and mortality. Yet, the impact of preclinical disease is unresolved. HYPOTHESIS/OBJECTIVES: Observational study to characterize cardiovascular morbidity and survival in cats with preclinical nonobstructive (HCM) and obstructive (HOCM) hypertrophic cardiomyopathy and in apparently healthy cats (AH). ANIMALS: One thousand seven hundred and thirty client-owned cats (430 preclinical HCM; 578 preclinical HOCM; 722 AH). METHODS: Retrospective multicenter, longitudinal, cohort study. Cats from 21 countries were followed through medical record review and owner or referring veterinarian interviews. Data were analyzed to compare long-term outcomes, incidence, and risk for congestive heart failure (CHF), arterial thromboembolism (ATE), and cardiovascular death. RESULTS: During the study period, CHF, ATE, or both occurred in 30.5% and cardiovascular death in 27.9% of 1008 HCM/HOCM cats. Risk assessed at 1, 5, and 10 years after study entry was 7.0%/3.5%, 19.9%/9.7%, and 23.9%/11.3% for CHF/ATE, and 6.7%, 22.8%, and 28.3% for cardiovascular death, respectively. There were no statistically significant differences between HOCM compared with HCM for cardiovascular morbidity or mortality, time from diagnosis to development of morbidity, or cardiovascular survival. Cats that developed cardiovascular morbidity had short survival (mean ± standard deviation, 1.3 ± 1.7 years). Overall, prolonged longevity was recorded in a minority of preclinical HCM/HOCM cats with 10% reaching 9-15 years. CONCLUSIONS AND CLINICAL IMPORTANCE: Preclinical HCM/HOCM is a global health problem of cats that carries substantial risk for CHF, ATE, and cardiovascular death. This finding underscores the need to identify therapies and monitoring strategies that decrease morbidity and mortality.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».