MétaCan
Menu
← Retour à la cohorte
Enregistrement W4306255595 · doi:10.1093/eurheartj/ehac544.891

Prognostic implications of NYHA class and NT-proBNP levels in mild heart failure: a PARADIGM-HF analysis

2022· article· en· W4306255595 sur OpenAlexaff
L E Rohde, A Zimerman, B Claggett, Milton Packer, Akshay S. Desai, Michael R. Zile, Jean L. Rouleau, Karl Swedberg, Marty Lefkowitz, V. Shi, John J.V. McMurray, M Vaduganathan, Scott D. Solomon

Notice bibliographique

RevueEuropean Heart Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureEjection fractionInternal medicineCardiologyAsymptomaticNatriuretic peptideRandomizationLogistic regressionReceiver operating characteristicClinical endpointRandomized controlled trial

Résumé

récupéré en direct d'OpenAlex

Abstract Background Treatment recommendations for heart failure (HF) with reduced ejection fraction are primarily centered on New York Heart Association (NYHA) classification, such that apparently asymptomatic patients might not be eligible for disease-modifying therapies. NYHA classification, however, may be particularly limited to discriminate mild forms of HF. Purpose The present study aimed to determine the relationship between NYHA classification and an objective measure of HF severity (N-terminal pro–B-type natriuretic peptide [NT pro-BNP]), and their association with long-term prognosis in the PARADIGM-HF trial. Methods We compared PARADIGM-HF patients classified as NYHA class I, II, and III at randomization (NYHA class IV patients or with unavailable NYHA class were excluded [n=73]). We present kernel density estimation (KDE) plots–a non-parametric way to describe the underlying distribution of a variable–to compare NT-proBNP levels across NYHA classes. Logistic regression and the area under the receiver operating characteristic curve (AUC) were used to assess the ability to predict a patient's NYHA class using NT-proBNP levels. Time-to-event data were calculated with Kaplan–Meier estimates and NYHA class were further stratified by median baseline NT-proBNP (< or ≥1600 pg/ml). The primary outcome was cardiovascular death or first HF hospitalization. Results 8326 patients were included in this analysis (median age, 64 years; women, 22%; and median left ventricular ejection fraction, 30%). Of 389 patients classified as NYHA class I at randomization, 228 (59%) changed functional class during the first year after randomization. For log-transformed NT-proBNP, KDE overlapped substantially across NYHA classes (Figure 1A). NT-proBNP levels were a poor predictor of NYHA classification: for NYHA class I vs. II, AUC (95% confidence interval [CI]) was 0.51 (0.48–0.54); for NHYA I vs. III, 0.57 (0.54–0.60); and for NYHA II vs. III, 0.56 (0.54–0.57). NYHA class III patients displayed a distinctively higher rate of cardiovascular deaths or first HF hospitalizations (Figure 1B). NYHA class I and II patients revealed lower event rates that were not significantly different (NYHA II vs. I, HR 1.24 [0.97–1.58]). Stratification by NT-proBNP levels identified subgroups with distinctive risk, such that NYHA I patients with high NT-proBNP levels (n=175) had a higher event rate than patients with low NT-proBNP with any NYHA class (Figure 1C). Conclusion NYHA class I and II patients overlapped substantially in objective HF measures and long-term prognosis. NYHA classification remains a powerful predictor of cardiovascular events but might be limited to differentiate mild forms of HF, as apparently asymptomatic patients based on physician-defined functional class might become symptomatic within a year and conceal subjects at substantial risk for adverse outcomes. Funding Acknowledgement Type of funding sources: None.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,310
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→