Abstract 158: Burden And Predictors Of Mortality And Major Adverse Cardiovascular Outcomes In Heart Failure Preserved Ejection Fraction Patients Admitted With Acute Respiratory Distress Syndrome (ARDS)
Notice bibliographique
Résumé
Background: Relation between Acute Respiratory Distress Syndrome (ARDS) and heart failure with preserved ejection fraction (HFpEF) are understudied and the data on these two concomitantly is lacking in the literature. Therefore, we sought to assess the burden and predictors of major adverse cardiovascular and cerebrovascular events (MACCE) and all-cause mortality in ARDS patients with HFpEF. Methods: The National Inpatient Sample (NIS) database was used to identify patients with HFpEF (after excluding patients with heart failure reduced ejection fraction) who required inpatient hospitalization for ARDS. Administrative ICD10 codes were used to identify the population of interest. Multivariate regression analysis was performed to assess the predictors of all-cause mortality and major adverse cardiovascular outcomes in the selected cohort. Results: Of 28,731,562 hospital admissions, 3,010 (0.14%) patients were admitted with ARDS and had HFpEF. Of those patients, 1,095 (36.4%) had all-cause mortality, and 1,415 (47.0%) had MACCE. In multivariate regression analysis, older age (OR 3.60, CI 1.40-9.28), 26-50 th quartile income (OR 2.10, CI 1.13-3.91), urban hospital admissions (OR 2.19, CI 1.20-4.01) as well as comorbidities such as coagulopathy (OR 1.77, CI 1.09-2.88), fluid and electrolyte imbalance (OR 1.65, CI 1.05-2.60), prior CABG (OR 2.99, CI 1.19-7.47), need for mechanical ventilation (OR 2.18, CI 1.12-4.23) were significant predictors of all-cause mortality. In our analysis, chronic pulmonary disease, valvular heart disease, hypertension, smoking, obesity were not significant predictors. The result of our analysis is reported in Table 1. Conclusion: These results suggest HFpEF remains important comorbidity in ARDS patients. Here, we identified predictors of poor outcomes in this patient population which may help physicians to identify the high-risk patients and decrease mortality.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».