Do frailty measures improve prediction of mortality and morbidity following transcatheter aortic valve implantation? An analysis of the UK TAVI registry
Notice bibliographique
Résumé
OBJECTIVES: Previous studies indicate frailty to be associated with poor outcomes following transcatheter aortic valve implantation (TAVI), but there is limited evidence from multicentre registries. The aim was to investigate the independent association of frailty with TAVI outcomes, and the prognostic utility of adding frailty into existing clinical prediction models (CPMs). DESIGN: The UK TAVI registry incorporated three frailty measures since 2013: Canadian Study of Health and Ageing, KATZ and poor mobility. We investigated the associations between these frailty measures with short-term and long-term outcomes, using logistic regression to estimate multivariable adjusted ORs, and Cox proportional hazards models to explore long-term survival. We compared the predictive performance of existing TAVI CPMs before and after updating them to include each frailty measure. SETTING: All patients who underwent a TAVI procedure in England or Wales between 2013 and 2014. PARTICIPANTS: 2624 TAVI procedures were analysed in this study. PRIMARY AND SECONDARY OUTCOMES: The primary endpoints in this study were 30-day mortality and long-term survival. The Valve Academic Research Consortium (VARC)-2 composite early safety endpoint was considered as a secondary outcome. RESULTS: KATZ <6 (OR 2.10, 95% CI 1.39 to 3.15) and poor mobility (OR 2.15, 95% CI 1.41 to 3.28) predicted 30-day mortality after multivariable adjustment. All frailty measures were associated with increased odds of the VARC-2 composite early safety endpoint. We observed a significant increase in the area under the receiver operating characteristic curves by approximately 5% after adding KATZ <6 or poor mobility into the TAVI CPMs. Risk stratification agreement was significantly improved by the addition of each frailty measure, with an increase in intraclass correlation coefficient of between 0.15 and 0.31. CONCLUSION: Frailty was associated with worse outcomes following TAVI, and incorporating frailty metrics significantly improved the predictive performance of existing CPMs. Physician-estimated frailty measures could aid TAVI risk stratification, until more objective scales are routinely collected.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 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 ».