Performance of current risk stratification models for predicting mortality in patients with heart failure: a systematic review and meta-analysis
Notice bibliographique
Résumé
AIMS: There are several risk scores designed to predict mortality in patients with heart failure (HF). This study aimed to assess performance of risk scores validated for mortality prediction in patients with acute HF (AHF) and chronic HF. METHODS AND RESULTS: MEDLINE and Scopus were searched from January 2015 to January 2021 for studies which internally or externally validated risk models for predicting all-cause mortality in patients with AHF and chronic HF. Discrimination data were analysed using C-statistics, and pooled using generic inverse-variance random-effects model. Nineteen studies (n = 494 156 patients; AHF: 24 762; chronic HF mid-term mortality: 62 000; chronic HF long-term mortality: 452 097) and 11 risk scores were included. Overall, discrimination of risk scores was good across the three subgroups: AHF mortality [C-statistic: 0.76 (0.68-0.83)], chronic HF mid-term mortality [1 year; C-statistic: 0.74 (0.68-0.79)], and chronic HF long-term mortality [≥2 years; C-statistic: 0.71 (0.69-0.73)]. MEESSI-AHF [C-statistic: 0.81 (0.80-0.83)] and MARKER-HF [C-statistic: 0.85 (0.80-0.89)] had an excellent discrimination for AHF and chronic HF mid-term mortality, respectively, whereas MECKI had good discrimination [C-statistic: 0.78 (0.73-0.83)] for chronic HF long-term mortality relative to other models. Overall, risk scores predicting short-term mortality in patients with AHF did not have evidence of poor calibration (Hosmer-Lemeshow P > 0.05). However, risk models predicting mid-term and long-term mortality in patients with chronic HF varied in calibration performance. CONCLUSIONS: The majority of recently validated risk scores showed good discrimination for mortality in patients with HF. MEESSI-AHF demonstrated excellent discrimination in patients with AHF, and MARKER-HF and MECKI displayed an excellent discrimination in patients with chronic HF. However, modest reporting of calibration and lack of head-to-head comparisons in same populations warrant future studies.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| 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 ».