Validation of Cognitive Impairment in Combination With Physical Frailty as a Predictor of Mortality in Patients With Advanced Heart Failure Referred for Heart Transplantation
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to validate our previous finding that frailty predicts early mortality in patients with advanced heart failure (AHF) and that including cognition in the frailty assessment enhances the prediction of mortality. METHODS: Patients with AHF referred to our Transplant Unit between November 2015 and April 2020 underwent physical frailty assessment using the modified Fried physical frailty (PF) phenotype as well as cognitive assessment using the Montreal Cognitive Assessment to identify patients who were cognitively frail (CogF). We assessed the predictive value of the 2 frailty measures (PF ≥ 3 of 5 = frail; CogF ≥ 3 of 6 = frail) for pretransplant mortality. RESULTS: Three hundred thirteen patients (233 male and 80 female; age 53 ± 13 y) were assessed. Of these, 224 patients (72%) were nonfrail and 89 (28%) were frail using the PF. The CogF assessment identified an additional 30 patients as frail: 119 (38%). Frail patients had significantly increased mortality as compared to nonfrail patients. Ventricular assist device and heart transplant-censored survival at 12 mo was 92 ± 2 % for nonfrail and 69 ± 5% for frail patients (P < 0.0001) using the CogF instrument. CONCLUSIONS: This study validates our previously published findings that frailty is prevalent in patients with AHF referred for heart transplantation. PF predicts early mortality. The addition of cognitive assessment to the physical assessment of frailty identifies an additional cohort of patients with a similarly poor prognosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».