Predicting 1-Year Mortality in Outpatients With Heart Failure With Reduced Left Ventricular Ejection Fraction: Do Empiric Models Outperform Physician Intuitive Estimates? A Multicenter Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Many studies have demonstrated that physicians often err in estimating patient prognosis. No studies have directly compared physician to model predictive performance in heart failure (HF). We aimed to compare the accuracy of physician versus model predictions of 1-year mortality. METHODS: This multicenter prospective cohort study on 11 HF clinics in 5 provinces in Canada included consecutive consented outpatients with HF with reduced left ventricular ejection fraction (<40%). By collecting clinical data, we calculated predicted 1-year mortality using the Seattle HF Model (SHFM), the Meta-Analysis Global Group in Chronic HF score, and the HF Meta-Score. HF cardiologists and family doctors, blinded to model predictions, estimated patient 1-year mortality. During 1-year follow-up, we recorded the composite end point of mortality, urgent ventricular assist device implant, or heart transplant. We compared physicians and model discrimination (C statistic), calibration (observed versus predicted event rate), and risk reclassification. RESULTS: The study included 1643 patients with ambulatory HF with a mean age of 65 years, 24% female, and mean left ventricular ejection fraction of 28%. Over 1-year follow-up, 9% had an event. The SHFM had the best discrimination (SHFM C statistic 0.76; HF Meta-Score 0.73; Meta-Analysis Global Group in Chronic Heart Failure 0.70) and calibration. Physicians' discrimination differed little (0.75 for HF cardiologists and 0.73 for family doctors) but both physician groups substantially overestimated risk by >10% in both low- and high-risk patients (poor calibration). In risk reclassification analysis, among patients without events, the SHFM better classified 51% in comparison to HF cardiologists and 43% in comparison to family doctors. In patients with events, the SHFM erroneously assigned lower risk to 44% in comparison to HF cardiologists and 34% in comparison to family doctors. CONCLUSIONS: Family doctors and HF cardiologists showed adequate risk discrimination, with however substantial overestimation of absolute risk. Predictive models showed higher accuracy. Incorporating models in family and HF cardiology practices may improve patient care and resource use in HF with reduced left ventricular ejection fraction. REGISTRATION: URL: https://www. CLINICALTRIALS: gov; Unique identifier: NCT04009798.
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 | 0,044 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».