MétaCan
Menu
Retour à la cohorte
Enregistrement W4310962987 · doi:10.1001/jamacardio.2022.4427

Associations Between New York Heart Association Classification, Objective Measures, and Long-term Prognosis in Mild Heart Failure

2022· article· en· W4310962987 sur OpenAlexaff
Luís Eduardo Paim Rohde, André Zimerman, Muthiah Vaduganathan, Brian Claggett, Milton Packer, Akshay S. Desai, Michael R. Zile, Jean L. Rouleau, Karl Swedberg, Martin Lefkowitz, Victor Shi, John J.V. McMurray, Scott D. Solomon

Notice bibliographique

RevueJAMA Cardiology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureValsartanInternal medicineCardiologyRandomizationAsymptomaticLogistic regressionProportional hazards modelNatriuretic peptideRandomized controlled trialBlood pressure

Résumé

récupéré en direct d'OpenAlex

Importance: Heart failure (HF) treatment recommendations are centered on New York Heart Association (NYHA) classification, such that most apparently asymptomatic patients are not eligible for disease-modifying therapies. Objectives: To assess within-patient variation in NYHA classification over time, the association between NYHA class and an objective measure of HF severity (N-terminal pro-B-type natriuretic peptide [NT-proBNP] level), and their association with long-term prognosis in the PARADIGM-HF trial. Design, Setting, and Participants: All patients in PARADIGM-HF were in NYHA class II or higher at baseline and were treated with sacubitril-valsartan during a 6- to 10-week run-in period before randomization. Patients classified as NYHA class I, II, and III in PARADIGM-HF were compared at randomization. Exposures: NYHA class at randomization after 6 to 10 weeks of the run-in period. Main Outcomes and Measures: Primary outcome was cardiovascular death or first HF hospitalization. Logistic regression models, areas under the receiver operating characteristic curve (AUC), kernel density estimation overlaps, and Cox proportional hazards models were used. Results: The analysis included 8326 patients with known NYHA classification at randomization. Of 389 patients in NYHA class I, 228 (58%) changed functional class during the first year after randomization. Level of NT-proBNP was a poor discriminator of NYHA classification: for NYHA class I vs II, the AUC was 0.51 (95% CI, 0.48-0.54). For NT-proBNP level, estimated kernel density overlap was 93% between NYHA class I vs II, 79% between NYHA I vs III, and 83% between NYHA II vs III. Patients classified as NYHA III displayed a distinctively higher rate of cardiovascular events (NYHA III vs I, hazard ratio [HR], 1.84; 95% CI, 1.44-2.37; NYHA III vs II, HR, 1.49; 95% CI, 1.35-1.64). Patients in NYHA class I and II revealed lower event rates (NYHA II vs I, HR, 1.24; 95% CI, 0.97-1.58). Stratification by NT-proBNP level (<1600 pg/mL or ≥1600 pg/mL) identified subgroups with distinctive risk, such that NYHA class I patients with high NT-proBNP levels (n = 175) had a numerically higher event rate than patients with low NT-proBNP levels from any NYHA class (vs I, HR, 3.43; 95% CI, 2.03-5.87; vs II, HR, 2.12; 95% CI, 1.58-2.86; vs III, HR, 1.37; 95% CI, 1.00-1.88). Conclusions and Relevance: In this study, patients in NYHA class I and II overlapped substantially in objective measures and long-term prognosis. Physician-defined "asymptomatic" functional class concealed patients who were at substantial risk for adverse outcomes. NYHA classification might be limited to differentiate mild forms of HF. Trial Registration: ClinicalTrials.gov Identifier: NCT01035255.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,146
Score d'incertitude au seuil0,674

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,287
Écart entre enseignants0,242 · 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 tête enseignante, 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

Citations42
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA CardiologyMême sujetHeart Failure Treatment and ManagementTravaux en français237 207