Abstract 14717: Identifying Predictors of Red Cell Distribution Width at Admission and Changes in RDW During Heart Failure Hospitalization
Notice bibliographique
Résumé
Introduction: The causes of risk-associated elevations in red cell distribution width (RDW) are unknown, but RDW strongly predicts adverse outcomes in heart failure (HF) patients. Initial RDW level and the change in RDW (ΔRDW) were previously shown to predict hospital length of stay, 30-day readmission, and 30-day mortality. Hypothesis: Risk factors and diagnoses predict initial RDW and in-hospital ΔRDW of HF patients. Methods: Patients (N=6,414) were studied if they had an inpatient stay for the primary diagnosis of HF during 2004-2013, had RDW measured within 24 hours after admission, and had a second RDW tested within 24 hours prior to discharge. ΔRDW was calculated as the difference between the two RDW measurements. All patients were aged 65 years or older and were discharged alive and not to hospice. Results: In linear regression, predictors of initial RDW included age, being ever diagnosed with 15 comorbidities (Table), and diagnosis in the prior month with 8 comorbidities. Those 24 factors explained 10.5% of the variation in RDW (model F-statistic= 33.3, p<0.001). In contrast, predictors of ΔRDW were sex, length of stay, initial red blood cell count, mean corpuscular volume, RDW, mean corpuscular hemoglobin concentration, sodium, calcium, potassium, medications administered in-hospital (e.g., ACE-I, inotropes, and vasopressors), and diagnosis ever or within the last month of various comorbidities (Table). Those factors explained 13.9% of the variation in ΔRDW (model F-statistic= 35.9, p<0.001). Conclusions: Predictors of initial RDW and ΔRDW in HF patients clustered among diagnoses of cardiovascular, pulmonary, renal, and psychological diseases, and (as expected) hematological/bleeding conditions. These findings may aid in determining the cause of RDW elevations and in personalizing medical care using common, inexpensive, electronic laboratory data. With most variance in RDW and ΔRDW still unexplained, discovery of other predictors is needed.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,005 | 0,001 |
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 ».