Should the number of acute exacerbations in the previous year be used to guide treatments in COPD?
Notice bibliographique
Résumé
Background In contemporary management of chronic obstructive pulmonary disease (COPD), the frequent exacerbator phenotype, based on a 12-month history of acute exacerbation of COPD (AECOPD), is a major determinant of therapeutic recommendations. However, there is considerable debate as to the stability of this phenotype over time. Methods We used fundamental principles in time-to-event analysis to demonstrate that variation in the frequent exacerbator phenotype has two major sources: variability in the underlying AECOPD rate and randomness in the occurrence of individual AECOPDs. We re-analysed data from two large cohorts, the Evaluation of COPD Longitudinally to Identify Predictive Surrogate Endpoints (ECLIPSE) study and the SubPopulations and InteRmediate OutcoMes In COPD Study (SPIROMICS), using a Bayesian model that separated these sources of variability. We then evaluated the stability of the frequent exacerbator phenotype based on these results. Results In both cohorts, the pattern of AECOPDs strongly supported the presence of an individual-specific underlying AECOPD rate which is stable over time (Bayes Factor less than 0.001). Despite this, the observed AECOPD rate can vary markedly year-to-year within individual patients. For those with an underlying rate of 0.8–3.1 events·year−1, the frequent exacerbator classification, based on the observed rate, changes more than 30% of the time over two consecutive years due to chance alone. This value increases to more than 45% for those with an underlying rate of 1.2–2.2 events·year−1. Conclusions While the underlying AECOPD rate is a stable trait, the frequent exacerbator phenotype based on observed AECOPD patterns is unstable, so much so that its suitability for informing treatment decisions should be questioned. Whether evaluating AECOPD history over longer durations or using multivariate prediction models can result in more stable phenotyping needs to be evaluated.
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 | 0,017 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».