Performance of DETECT Pulmonary Arterial Hypertension Algorithm According to the Hemodynamic Definition of Pulmonary Arterial Hypertension in the 2022 European Society of Cardiology and the European Respiratory Society Guidelines
Notice bibliographique
Résumé
OBJECTIVE: The evidence-based DETECT pulmonary arterial hypertension (PAH) algorithm is frequently used in patients with systemic sclerosis (SSc) to help clinicians screen for PAH by using noninvasive data to recommend patient referral to echocardiography and, if applicable, for a diagnostic right-sided heart catheterization. However, the hemodynamic definition of PAH was recently updated in the 2022 European Society of Cardiology (ESC)/European Respiratory Society (ERS) guidelines. The performance of DETECT PAH in identifying patients with a high risk of PAH according to this new definition was assessed. METHODS: In this post hoc analysis of DETECT, which comprised 466 patients with SSc, the performance of the DETECT PAH algorithm in identifying patients with a high risk of PAH as defined in the 2022 ESC/ERS guidelines (mean pulmonary arterial pressure [mPAP] >20 mm Hg, pulmonary capillary wedge pressure [PCWP] ≤15 mm Hg, and pulmonary vascular resistance >2 Wood units) was assessed using summary statistics and was descriptively compared to the known performance of DETECT PAH as defined in 2014, when it was developed (mPAP ≥25 mm Hg and PCWP ≤15 mm Hg). RESULTS: The sensitivity of DETECT PAH in identifying patients with a high risk of PAH according to the 2022 ESC/ERS definition was lower (88.2%) compared to the 2014 definition (95.8%). Specificity improved from 47.8% to 50.8%. CONCLUSION: The performance of the DETECT algorithm to screen for PAH in patients with SSc is maintained when PAH is defined according to the 2022 ESC/ERS hemodynamic definition, indicating that DETECT remains applicable to screen for PAH in patients with SSc.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».