Abstract 16753: Baseline Prediction of Atrial Fibrillation Recurrence After Catheter Ablation: Comparative Analysis of Prognostic Models Using Data Recorded by Implanted Cardiac Monitors
Notice bibliographique
Résumé
Intro: Tools for baseline prediction of catheter ablation outcome are instrumental to treatment management that best balances positive outcomes against risk of treatment complications. To date, many such predictive models exist in the literature; yet, it is unclear which should be adopted as no study has compared all using a single dataset. Goals: examine 8 published models using a single dataset with expert-annotated data recorded by implanted monitors. Methods: We collected data from a cohort of ~350, acquired from a randomized clinical trial blinded to ablation outcome. Based on a 2020 review, we shortlisted 12 models for baseline prediction of recurrences recorded between days 91-365 post ablation per standard. Models that use postoperative data, thus unsuited for baseline prediction, were excluded. Four models were further dropped from this work as their required variables (e.g. normalized atrial area) are unavailable in our cohort. Results: There was no missing variable; 34% were female and 53% of patients experienced recurrence. Figure reports each model’s performance with metrics as sensitivity (SEN), specificity (SPEC), positive predictive value (PPV), negative predictive value (NPV), area under receiver operating characteristic curve (AUC), positive and negative clinical utility indices (SENxPPV; SPECxNPV, resp.). The digit after each model name indicates the cut-off used (some studies used different cut-offs). Models are presented in rank-order by utility indices. All evaluated scores achieved AUC<65 and deemed to have poor utility. A model that examines age, stroke, hypertension, heart failure, chronic obstructive pulmonary disease, and obstructive sleep apnea, performed best in this cohort (SEN=54, SPEC=70,PPV=65,NPV=60,AUC=62). Conclusions: Our results reinforce statements of previous reviews that many published models are lacking and that there remains a need to develop and validate models for prediction of AFR post ablation.
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 | 0,013 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».