Clinical Phenogroups are More Effective than Left Ventricular Ejection Fraction Categories in Stratifying Heart Failure Outcomes
Notice bibliographique
Résumé
AIMS: Heart failure (HF) guidelines place patients into 3 discrete groups according to left ventricular ejection fraction (LVEF): reduced (<40%), mid-range (40-49%), and preserved LVEF (≥50%). We assessed whether clinical phenogroups offer better prognostication than LVEF. METHODS AND RESULTS: This was a sub-study of the Patient-Centered Care Transitions in HF trial. We analysed baseline characteristics of hospitalized patients in whom LVEF was recorded. We used unsupervised machine learning to identify clinical phenogroups and, thereafter, determined associations between phenogroups and outcomes. Primary outcome was the composite of all-cause death or rehospitalization at 6 and 12 months. Secondary outcome was the composite cardiovascular death or HF rehospitalization at 6 and 12 months. Cluster analysis of 1693 patients revealed six discrete phenogroups, each characterized by a predominant comorbidity: coronary heart disease, valvular heart disease, atrial fibrillation (AF), sleep apnoea, chronic obstructive pulmonary disease (COPD), or few comorbidities. Phenogroups were LVEF independent, with each phenogroup encompassing a wide range of LVEFs. For the primary composite outcome at 6 months, the hazard ratios (HRs) for phenogroups ranged from 1.25 [95% confidence interval (CI) 1.00-1.58 for AF] to 2.04 (95% CI 1.62-2.57 for COPD) (log-rank P < 0.001); and at 12 months, the HRs for phenogroups ranged from 1.15 (95% CI 0.94-1.41 for AF) to 1.87 (95% 1.52-3.20 for COPD) (P < 0.002). LVEF-based classifications did not separate patients into different risk categories for the primary outcomes at 6 months (P = 0.69) and 12 months (P = 0.30). Phenogroups also stratified risk of the secondary composite outcome at 6 and 12 months more effectively than LVEF. CONCLUSION: Among patients hospitalized for HF, clinical phenotypes generated by unsupervised machine learning provided greater prognostic information for a composite of clinical endpoints at 6 and 12 months compared with LVEF-based categories. TRIAL REGISTRATION: ClinicalTrials.gov Identifier: NCT02112227.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».