The European MultiPartner IPF registry (EMPIRE): validating long-term prognostic factors in idiopathic pulmonary fibrosis
Notice bibliographique
Résumé
BACKGROUND: Several registries of idiopathic pulmonary fibrosis (IPF) have been established to better understand its natural history, though their size and duration of follow-up are limited. Here, we describe the large European MultiPartner IPF Registry (EMPIRE) and validate predictors of long-term survival in IPF. METHODS: The multinational prospective EMPIRE registry enrolled IPF patients from 48 sites in 10 Central and Eastern European countries since 2014. Survival from IPF diagnosis until death was estimated, accounting for left-truncation. The Cox proportional hazards regression model was used to estimate adjusted hazard ratios (HR) of death for prognostic factors, using restricted cubic splines to fit continuous factors. RESULTS: The cohort included 1620 patients (mean age at diagnosis 67.6 years, 71% male, 63% smoking history), including 75% enrolled within 6 months of diagnosis. Median survival was 4.5 years, with 45% surviving 5 years post-diagnosis. Compared with GAP stage I, mortality was higher with GAP stages II (HR 2.9; 95% CI: 2.3-3.7) and III (HR 4.0; 95% CI: 2.8-5.7) while, with redefined cut-offs, the corresponding HRs were 2.7 (95% CI: 1.8-4.0) and 5.8 (95% CI: 4.0-8.3) respectively. Mortality was higher with concurrent pulmonary hypertension (HR 2.0; 95% CI: 1.5-2.9) and lung cancer (HR 2.6; 95% CI: 1.3-4.9). CONCLUSIONS: EMPIRE, one of the largest long-term registries of patients with IPF, provides a more accurate confirmation of prognostic factors and co-morbidities on longer term five-year mortality. It also suggests that some fine-tuning of the indices for mortality may provide a more accurate long-term prognostic profile for these 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».