M2. Cardiorenal anaemia syndrome vs left ventricular ejection fraction: which is a better mortality prognostic factor for heart failure? A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Aim Cardiorenal anaemia syndrome (CRAS) involves a vicious interaction between heart failure (HF), chronic kidney disease, and anaemia. CRAS is associated with higher morbidity, mortality, and health care cost. This study investigated CRAS as a predicting factor of all-cause mortality compared to left ventricular ejection fraction (LVEF) in HF patients as one of the established classifications being linked to prognosis in HF. Methods and Results A systematic review based on PRISMA guidelines was performed on 6 scientific databases (PubMed, ProQuest, Scopus, ScienceDirect, Springer) with search terms related to left ventricular ejection fraction, heart failure, and cardiorenal anaemia syndrome. Original English case-control and cohort studies in heart failure participants which analyzed hazard ratio (HR) of all-cause mortality were considered eligible. The quality assessment was evaluated with New Castle Ottawa Scale (NOS). A total of 17 studies comprising 90,092 participants from more than 14 countries were included in the qualitative analysis with eleven subjected to meta-analysis. The presence of CRAS aligns with a significantly higher mortality rate (HR 1.64 [95% CI 1.44 – 1.87]) as compared to current classification based on ejection fraction obtained insignificant clinical outcomes of reduced ejection fraction HF (HFrEF) (HR 1.06 [95% CI 0.98 – 1.15]) in the pooled analysis. Conclusion CRAS is a significant death prognosticator and indicates a worse prognosis in HF patients as compared to HF patients with reduced ejection fraction. CRAS is a potential alternative prognostic factor for heart failure patients to predict mortality outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».