The Admit-AF risk score: A clinical risk score for predicting hospital admissions in patients with atrial fibrillation
Notice bibliographique
Résumé
AIMS: To develop and externally validate a risk score for all-cause hospital admissions in patients with atrial fibrillation. METHODS AND RESULTS: We used a prospective cohort of 2387 patients with established atrial fibrillation as derivation cohort. Independent risk factors were selected from a broad range of variables using the least absolute shrinkage and selection operator method fit to a Cox model. The risk score was validated in a separate prospective cohort of 1300 atrial fibrillation patients. The incidence of all-cause hospital admission was 19.1 per 100 person-years in the derivation cohort and it was 26.1 per 100 person-years in the validation cohort. The most important predictors for admission were age (75-79 years: adjusted hazard ratio (aHR), 1.34; 95% confidence interval (CI), 1.01-1.78; 80-84 years: aHR, 1.50; 95% CI, 1.11-2.03; ≥85 years: aHR, 1.88; 95% CI, 1.36-2.62), prior pulmonary vein isolation (aHR, 0.72; 95% CI, 0.58-0.88), hypertension (aHR, 1.16; 95% CI, 0.99-1.36), diabetes (aHR, 1.38; 95% CI, 1.17-1.62), coronary heart disease (aHR, 1.17; 95% CI, 1.02-1.36), prior stroke/transient ischaemic attack (aHR, 1.26; 95% CI, 1.18-1.47), heart failure (aHR, 1.19; 95% CI, 1.03-1.39), peripheral artery disease (aHR, 1.35; 95% CI, 1.08-1.67), cancer (aHR, 1.33; 95% CI, 1.12-1.57), renal failure (aHR, 1.17; 95% CI, 0.99-1.37) and previous falls (aHR, 1.40; 95% CI, 1.13-1.74). A risk score with these variables was well calibrated, and achieved a C-index of 0.64 in the derivation and 0.59 in the validation cohort. CONCLUSIONS: Multiple risk factors were associated with hospital admissions in atrial fibrillation patients. This prediction tool selects high-risk patients who may benefit from preventive interventions.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».