Heart failure risk predictions in adult patients with congenital heart disease: a systematic review
Notice bibliographique
Résumé
To summarise existing heart failure (HF) risk prediction models and describe the risk factors for HF-related adverse outcomes in adult patients with congenital heart disease (CHD). We performed a systematic search of MEDLINE, EMBASE and Cochrane databases from January 1996 to December 2018. Studies were eligible if they developed multivariable models for risk prediction of decompensated HF in adult patients with CHD (ACHD), death in patients with ACHD-HF or both, or if they reported corresponding predictors. A standardised form was used to extract information from selected studies. Twenty-five studies met the inclusion criteria and all studies were at moderate to high risk of bias. One study derived a model to predict the risk of a composite outcome (HF, death or arrhythmia) with a c-statistic of 0.85. Two studies applied an existing general HF model to patients with ACHD but did not report model performance. Twenty studies presented predictors of decompensated HF, and four examined patient characteristics associated with mortality (two reported predictors of both). A wide variation in population characteristics, outcome of interest and candidate risk factors was observed between studies. Although there were substantial inconsistencies regarding which patient characteristics were predictive of HF-related adverse outcomes, brain natriuretic peptide, New York Heart Association class and CHD lesion characteristics were shown to be important predictors. To date, evidence in the published literature is insufficient to accurately profile patients with ACHD. High-quality studies are required to develop a unique ACHD-HF prediction model and confirm the predictive roles of potential risk factors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».