In-Hospital and Long-Term Mortality for Acute Heart Failure: Analysis at the Time of Admission to the Emergency Department
Notice bibliographique
Résumé
AIMS: Acute heart failure (AHF) leads to a drastic increase in mortality and rehospitalization. The aim of the study was to identify prognostic variables in a real-life population of AHF patients admitted to the emergency department with acute shortness of breath. METHODS AND RESULTS: We evaluated potential predictors of mortality in 728 consecutive patients admitted to the emergency department with AHF. Possible predictors of all-cause and cardiovascular (CV) mortality were investigated by Cox and Fine and Gray models at multivariable analysis. Among the 728 patients, 256 died during the entire follow-up, 142 of these due to CV cause. The 1 year mortality rate was 20%, with the highest risk of death during the index hospitalization (with 8% estimate in-hospital mortality at 30 days). A higher risk of events during the index hospitalization was more evident for the CV deaths, for which we found a cumulative 1 year incidence of 12% with a cumulative incidence in the first 30 days of hospitalization of about 5%. At multivariable analysis, age (P < 0.001), New York Heart Association (NYHA) class IV vs. I-II-III (P = 0.001), systolic blood pressure (P < 0.001), non-cardiac co-morbidities (≥3 vs. 0, P = 0.05), oxygen saturation (P = 0.03), serum creatinine (P < 0.001), and left ventricular ejection fraction (LVEF) (40-49% vs. <40%, P = 0.004; ≥50% vs. <40%, P = 0.003) were independent predictors of all-cause mortality during the entire follow-up. Age (P = 0.03), systolic blood pressure (P = 0.01), oxygen saturation (P = 0.03), serum creatinine (P = 0.02), and LVEF (40-49% vs. <40%, P = 0.03; ≥50% vs. <40%, P = 0.004) were independent predictors of CV mortality during the entire follow-up. NYHA class IV vs. I-II-III (P < 0.001), serum creatinine (P = 0.01), and LVEF (40-49% vs. <40%, P = 0.02; ≥50% vs. <40%, P < 0.001) remained independent predictors for in-hospital death, while only serum creatinine (P = 0.04), LVEF (40-49% vs. <40%: 0.32, P = 0.04; ≥50% vs. <40%, P < 0.001), and NYHA class vs. I-II-III (P = 0.02) remained predictors for in-hospital CV mortality. CONCLUSIONS: In this real-life cohort of patients with AHF, the results showed a similar mortality rate comparing with other analysis and with the most important registries. Age, NYHA class IV, systolic blood pressure, creatinine levels, sodium levels, and ejection fraction were independent predictors of 1 year mortality, while LVEF <40% was the only predictor of both all-cause mortality and CV mortality.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».