P1641What is the best BNP cutoff value to rule out or rule in the diagnosis of heart failure in the community?
Notice bibliographique
Résumé
Abstract Background There is no consensus on the cutoff value of B-type natriuretic peptide (BNP) to rule in or rule out the diagnosis of heart failure (HF) in the community. For instance, the ESC guidelines propose a cutoff of 35 pg/mL and the Canadian Guidelines propose 50 pg/mL. Objectives To evaluate the performance of several BNP cutoffs to rule in or rule out the diagnosis of HF in the community. Methods A total of 633 randomly selected individuals, aged 45 to 99 years, of both sexes, enrolled in a primary care program in several regions of a medium-sized city with 487,562 inhabitants were evaluated. A cross-sectional study, in which one-day clinical data collection, laboratory tests, BNP tests and tissue Doppler echocardiogram (TDE) were performed. The final diagnosis of HF was adjudicated by two independent cardiologists. Sensitivity (SEN), specificity (SPE), negative predictive value (NPV) and positive predictive value (PPV) were evaluated for different BNP cutoffs. A ROC curve was used to determine the best cutoff value. Results The mean age was 59.6±10.4 years and 62% were women. The incidence for ACC/AHA HF stages Zero, A, B, C and D were, respectively, 11.8%, 36.3%, 42.6%, 9.3% and 0%. There was a predominance of HF with preserved versus reduced ejection fraction (59% vs 41%). For the identification of the 59 patients with symptomatic HF, the cutoff of 35pg/mL presented SEN 98%, SPE 87%, NPV 100% and PPV 44%. For cutoff of 50pg/mL these values were SEN 78%, SPE 94%, NPV 98% and PPV 58%. The best combination of SEN and SPE was with a cutoff of 42pg/mL (SEN 92% and SPE 91%). Only one patient with HF had BNP<35pg/mL. With the cutoff of 50pg/mL, 13 (22%) of the 59 pts with symptomatic HF would not have been diagnosed. Conclusions The cutoff with higher specificity to rule in the diagnosis of HF was 50pg/mL. However, with this cutoff an expressive number of patients with HF would have been missed. For screening purpose in the community, the best cutoff to rule out HF was 35pg/mL, as proposed in the ESC guidelines
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».