Usefulness of the B-Type Natriuretic Peptides in Low Ejection Fraction, Low-Flow, Low-Gradient Aortic Stenosis Results from the TOPAS Multicenter Prospective Cohort Study
Notice bibliographique
Résumé
Background Patients with low left ventricular ejection fraction (LVEF), low-flow, low-gradient (i.e. classical low flow [CLF]) aortic stenosis (AS) have a dismal short-term outcome without aortic valve replacement (AVR) but high operative mortality. We hypothesized that brain natriuretic peptides (BNP/NT-proBNP) can risk stratify patients with CLF AS and may assist in clinical decision-making. Methods Patients with aortic valve area ≤1.2 cm 2 , mean transvalvular gradient <40 mmHg, and left ventricular ejection fraction <50%, were prospectively recruited. BNP and/or NT-proBNP were measured at baseline. Results Among 234 patients (77 [68–83] years, 76% male), BNP > 550 pg/ml or NT-proBNP > 1,600 pg/ml (85% and 93% sensitivity, respectively, to correctly classify 1-year death) strongly predicted all-cause mortality (adjusted HR=2.53 [1.68–3.81], p < 0.001) outperforming flow reserve and baseline LVEF (all likelihood ratio p ≤ 0.02). For both natriuretic peptides, spline curve analysis showed gradual increase in mortality with higher biomarkers levels, which was blunted by AVR. In a head-to-head comparison (n = 104), NT-proBNP appeared to have superior incremental prognostic value than BNP (likelihood-ratio p < 0.001 vs. p = 0.07). Baseline NT-proBNP ≥ 1,600 pg/ml or BNP ≥ 550 pg/ml, identified: i) a high-risk cohort with a dismal outcome under conservative management, but a markedly better survival associated with early AVR (adjusted HR=0.41 [0.25–0.65], p < 0.001); and ii) a low-risk cohort with an excellent 1-year survival (94 ± 4%) with conservative management or deferred AVR. Conclusion In patients with CLF AS, BNP/NT-proBNP have the potential to identify high-risk patients who may benefit from early AVR.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».