Predicting long-term survival after de novo cardioverter-defibrillator implantation for primary prevention: A population based study
Notice bibliographique
Résumé
Background Implantable cardioverter-defibrillators (ICDs) reduce the risk of sudden cardiac death in patients with left ventricular dysfunction. While short-term mortality benefit of ICD insertion has been established in landmark randomized controlled trials, little is known about the long-term outcomes of patients with ICDs in clinical practice. In this paper, we describe the long-term survival of patients following de novo ICD implantation for primary prevention in clinical practice and determine the factors which help predict survival after ICD implant. Methods Retrospective population-based study of all patients receiving a de novo ICD for primary prevention in Ontario, Canada from 2007 to 2011 using the Ontario ICD Database housed within ICES. Simple random selection was used to split the population into a derivation and internal validation cohort in a ratio of 2:1. Cox proportional hazards regression was used to determine predictors of interest and predict 10-year survival, model performance was assessed using calibration and validation. Results In the derivation cohort (n = 3399), mean age was 65.3 years (standard deviation [SD] = 11.0), 664 patients were female (19.5 %) and 2344 patients (69.0 %) had ischemic cardiomyopathy. Ten year survival was 45.7 % (95 % confidence interval [CI] 44.0 %–47.4 %). The final prediction model included age, sex, disease factors (ischemic vs nonischemic cardiomyopathy, left ventricular ejection fraction) and patient factors (symptoms, comorbidities), and biomarkers at the time of ICD assessment. This model had good discrimination and calibration in derivation (0.79, 95 % CI 0.77, 0.81) and validation samples (0.78, 95 % CI 0.76, 0.79). Conclusions A combination of demographic and clinical factors determined at baseline can be used to predict 10-year survival in patients with implantable cardioverter-defibrillators with good accuracy. Our findings help to identify individuals at risk of long-term mortality and may be useful in targeting future prevention strategies to enhance longevity in this high-risk population.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».