Cross-Validation of Risk Scores for Patients Undergoing Transcatheter Edge-to-Edge Repair for Mitral Regurgitation
Notice bibliographique
Résumé
Background: Risk scores may identify patients with mitral regurgitation (MR) who are at risk for adverse events, but who may still benefit from transcatheter edge-to-edge repair (TEER). We sought to cross-validate the MitraScore and COAPT risk score to predict adverse events in patients undergoing TEER. Methods: MitraScore validation was carried out in the COAPT population which included 614 patients with FMR who were randomized 1:1 to guideline-directed medical therapy (GDMT) with or without TEER and were followed for 2 years. Validation of the COAPT risk score was carried out in 1007 patients from the MIVNUT registry of TEER-treated patients with both FMR and degenerative MR who were followed for a mean of 2.1 years. The predictive value was assessed using the area under the receiver operating characteristic curve (AUC) plots. The primary outcome was all-cause mortality. Results: The MitraScore had fair to good predictive accuracy for mortality in the overall COAPT trial population (AUC, 0.67); its accuracy was higher in patients treated with TEER (AUC, 0.74) than GDMT alone (AUC, 0.65). The COAPT risk score had fair predictive accuracy for death in the overall MitraScore cohort (AUC, 0.64), which was similar in patients with FMR and degenerative MR (AUC, 0.64 and 0.66, respectively). There was a consistent benefit of treatment with TEER plus GDMT compared with GDMT alone in the COAPT trial population across all MitraScore risk strata. Conclusions: The COAPT risk score and MitraScore are simple tools that are useful for the prediction of 2-year mortality in patients eligible for or undergoing treatment with TEER.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,529 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».