Abstract 14319: Riociguat in Pulmonary Arterial Hypertension: Application of the 4-strata COMPERA 2.0 Risk Assessment Tool in the PATENT Studies
Notice bibliographique
Résumé
Background: The 2022 ESC/ERS treatment guidelines for pulmonary arterial hypertension (PAH) recommend using a four-strata risk assessment strategy at follow-up. COMPERA 2.0 is a refined four-strata risk assessment tool that subdivides patients at intermediate risk of mortality at 1 year into intermediate-low and intermediate-high risk groups for a more granular approach to risk prediction. Aim: This post-hoc analysis applied COMPERA 2.0 to the PATENT studies of riociguat in patients with PAH. Methods: COMPERA 2.0 was applied to patients who were pretreated with PAH therapy at PATENT-1 entry. Patients with missing data for COMPERA 2.0 variables were excluded. In PATENT-1, risk strata were assessed at baseline and Week 12; and 6-minute walking distance (6MWD) at Week 12 was analyzed by risk strata at baseline. All pretreated patients entering the PATENT-2 open-label extension were included in Kaplan-Meier analyses to assess association of risk strata at PATENT-1 baseline and Week 12 with clinical worsening and survival. Results: At PATENT-1 baseline (riociguat 2.5 mg n=102, placebo n=49), more patients were at intermediate-low risk than intermediate-high risk (Figure 1). At PATENT-1 Week 12, a higher proportion of patients were at low risk with riociguat vs placebo (Figure 1). At PATENT-1 Week 12, the following mean [SD] changes in 6MWD were seen in patients at intermediate-low risk (riociguat 24 m [57 m], placebo 10 m [60 m]) and intermediate-high risk (riociguat 34 m [56 m], placebo –2 m [70 m]) by COMPERA 2.0 at baseline. COMPERA 2.0 assessed at PATENT-1 baseline and Week 12 was able to discriminate between risk strata for clinical worsening and survival in PATENT-2 (n=167, log-rank tests: p≤0.001 for all analyses). Conclusion: This analysis confirmed the risk-reduction benefits of riociguat in patients with PAH and validated the utility of COMPERA 2.0 in the long-term risk assessment of patients from a clinical trial 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
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 | 0,046 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».