Utility of the Seattle Heart Failure Model for palliative care referral in advanced ambulatory heart failure
Notice bibliographique
Résumé
BACKGROUND: Physicians face uncertainty when predicting death in heart failure (HF) leading to underutilisation of palliative care. To facilitate decision-making, we assessed the Seattle Heart Failure Model (SHFM) as a referral tool by evaluating its performance in predicting 1-year event-free survival from death, heart transplant (HTx), and ventricular assist device (VAD) implantation. METHODS: We retrospectively reviewed the charts of consecutive patients with advanced ambulatory HF with New York Heart Association Class III/IV HF and a left ventricular ejection fraction of ≤40% from 2000 to 2016. We evaluated SHFM's performance by using the Cox proportional hazards model, its discrimination using the c-statistic, its calibration by comparing the observed and predicted survival and its clinical utility by hypothetically assessing the proportion of patients adequately or inadequately referred to palliative care. RESULTS: We included 612 patients in our study. During the 1-year follow-up, there were 83 deaths, 4 HTx and 1 VAD. Although SHFM showed very good discrimination (c-statistic=0.71) and adequate calibration in medium to low-risk patients, it underestimated event-free survival by 12% in high-risk patients. SHFM's clinical utility was limited: 33% of eligible patients would have missed the opportunity for referral and only 27% of referred patients would have benefited. CONCLUSION: Use of SHFM could result in a high proportion of referrals while capturing the majority of patients who may benefit from palliative care. Though this may be a more encompassing and safer alternative than current referral practices, it could lead to many early referrals.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».