Frailty Phenotype and Deficit Accumulation Frailty Index in Predicting Recovery After Transcatheter and Surgical Aortic Valve Replacement
Notice bibliographique
Résumé
BACKGROUND: Frailty phenotype and deficit-accumulation frailty index (FI) are widely used measures of frailty. Their performance in predicting recovery after surgical aortic valve replacement (SAVR) and transcatheter aortic valve replacement (TAVR) has not been compared. METHODS: Patients undergoing SAVR (n = 91) or TAVR (n = 137) at an academic medical center were prospectively assessed for frailty phenotype and FI. Outcomes were death or poor recovery, defined as a decline in ability to perform 22 daily activities and New York Heart Association class 3 or 4 at 6 months after surgery. The predictive ability of frailty phenotype versus FI and their additive value to a traditional surgical risk model were evaluated using C-statistics, net reclassification improvement (NRI), and integrated discrimination improvement. RESULTS: TAVR patients had higher prevalence of phenotypic frailty (85% vs 38%, p < .001) and greater mean FI (0.37 vs 0.24, p < .001) than SAVR patients. In the overall cohort, FI had a higher C-statistic than frailty phenotype (0.74 vs 0.63, p = .01) for predicting death or poor recovery. Adding FI to the traditional model improved prediction (NRI, 26.4%, p = .02; integrated discrimination improvement, 7.7%, p < .001), while adding phenotypic frailty did not (NRI, 4.0%, p = .70; integrated discrimination improvement, 1.6%, p = .08). The additive value of FI was evident in TAVR patients (NRI, 42.8%, p < .01) but not in SAVR patients (NRI, 25.0%, p = .29). Phenotypic frailty did not add significantly in either TAVR (NRI, 6.8%, p = .26) or SAVR patients (NRI, 25.0%, p = .29). CONCLUSIONS: Deficit-accumulation FI provides better prediction of death or poor recovery than frailty phenotype in older patients undergoing SAVR and TAVR.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».