The CatLet score and outcome prediction in acute myocardial infarction for patients undergoing primary percutaneous intervention: A proof‐of‐concept study
Notice bibliographique
Résumé
BACKGROUND: The Coronary Artery Tree description and Lesion EvaluaTion (CatLet) score accommodating the variability in coronary anatomy is a recently developed and comprehensive angiographic scoring system aimed at assisting in risk-stratification of patients with coronary artery disease. However, a validation of this angiographic scoring system is lacking. METHODS: The CatLet score was calculated retrospectively in 308 consecutively enrolled patients with acute myocardial infarction (AMI) undergoing primary percutaneous coronary intervention. The primary endpoint, major adverse cardiac or cerebrovascular events (MACCEs), was stratified according to CatLet tertiles: CatLetlow ≤14 (n = 124), CatLetmid 15-21 (n = 82) and CatLettop ≥22 (n = 102). RESULTS: The CatLet score alone or after adjusting for a broad spectrum of risk factors, significantly predicted clinical outcomes at a median 4.3-year follow-up. Multivariable-adjusted hazard ratios (95%CI)/unit higher score were 1.05 (1.04-1.07) for MACCE, 1.06 (1.04-1.07) for cardiac death, and 1.05 (1.04-1.07) for all-cause death. When compared to the SYNTAX score, improved discrimination and better calibration of this CatLet score resulted in a significantly refined risk stratification. The overall category-free net reclassification improvement afforded by this CatLet score was as follows: 37.2% (p = .008) for MACCEs, 35.5% (p = .0249) for cardiac death, and 31.8% (p = .0316) for all-cause death. CONCLUSIONS: The ability to integrate the variability in coronary anatomy into angiographic scoring makes the CatLet score a more specific tool for outcome predictions in AMI. (http://www.chictr.org.cn. Unique identifiers: ChiCTR-POC-17013536).
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».