How to improve prognostic value of popular risk scores used in acute coronary syndrome – A single center experience in a long term follow-up
Notice bibliographique
Résumé
BACKGROUND: Despite the availability of several acute coronary syndrome (ACS) prognostic risk scores (RSs), there is no appropriate score for post-discharge risk stratification for patients after ACS. The aim of this study was to improve traditional RSs designed for predicting short-term outcome after ACS through the inclusion of additional prognostic factors critical for long-term prognosis. METHODS: Observational prospective single-center study included 672 consecutive patients admitted for ACS and discharged alive between 2002 and 2004. Multivariate analysis identified additional independent risk factors for long-term mortality, primarily not included in the RSs. Prognostic value of each RS (SIMPLE, TIMI-STEMI, TIMI-UA/NSTEMI, GRACE in-hospital, GRACE post-discharge, ZWOLLE, LLOYD-JONES) with additional risk factors was evaluated with the area under receiver operating characteristics (ROC) curve. RESULTS: Multivariate analysis identified following independent risk factors improving prognostic value of each RS: supraventricular or ventricular arrhythmias during hospitalization (for all six scales), peripheral artery disease, male gender, recurrence of angina pectoris with ischemia on ECG (in the case of five scales), diabetes, heart failure (for four scales), multi-vessel coronary disease, impaired renal function (in three scales) and less frequent indicators: hospital discharge, coronary artery disease, dyslipidemia, resuscitated sudden cardiac arrest. CONCLUSION: Additional clinical parameters initially not included in the description of the ACS risk scores provided independent prognostic value, whereby improved global risk assessment. Taking these factors into consideration may improve risk stratification of ACS patients.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».