MétaCan
Menu
Retour à la cohorte
Enregistrement W4404359666 · doi:10.1161/circ.150.suppl_1.4143538

Abstract 4143538: A Predictive Tool and Diagnostic Screening Algorithm for the Identification of Transthyretin Amyloid Cardiomyopathy in High-Risk Patient Populations

2024· article· en· W4404359666 sur OpenAlexaffabout
Jocelyn Chai, Andrew Starovoytov, Christine M. Pierce, Nathaniel M. Hawkins, Sean Virani, Michael Luong, Lynn Straatman, Marla Kiess, Daniel F. Worsley, Janarthanan Sathananthan, Nowell M. Fine, Margot K. Davis

Notice bibliographique

RevueCirculation · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAmyloidosis: Diagnosis, Treatment, Outcomes
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineTransthyretinCardiomyopathyIdentification (biology)Amyloid (mycology)Internal medicineAlgorithmCardiologyBioinformaticsPathologyHeart failure

Résumé

récupéré en direct d'OpenAlex

Introduction: Transthyretin amyloid cardiomyopathy (ATTR-CM) is an underdiagnosed disease that may result in heart failure (HF), arrhythmias, and valvular disease. Our aim was to develop (1) screening criteria to identify high-risk patients for ATTR-CM and (2) our own predictive tool of ATTR-CM. Methods: This was a prospective observational registry at 2 academic sites in Canada. We designed screening criteria to identify high-risk patients in HF, atrial fibrillation, transcatheter valve clinics, and in cardiologist’s offices from January 2019-December 2022. Patients >60 years were included if one of several screening criteria was met and they were referred for pyrophosphate scan by the cardiologist. Univariate and multivariate logistic regression were used to identify predictive clinical, imaging, and biochemical characteristics. Results: In total, 2500 patients were screened, and 200 patients were enrolled with a follow-up duration of 3 years. The mean age was 78 years and 65% were male. Forty-six (23%) had a diagnosis of ATTR-CM and 7 (4%) were diagnosed with AL-amyloidosis. ATTR-CM patients were older (83±7 vs. 77±8; p<0.001), predominantly male (80 vs. 60%, p=0.01), symptomatic (NYHA III-IV) (46 vs. 19%; p<0.001) and had higher NT-proBNP (3633 vs. 2018; p=0.01). Fewer were on beta-blocker (p<0.001) and renin-angiotensin inhibitors (p=0.01), and more were on amiodarone (p=0.008). They had larger left ventricular posterior wall diameters (14±3 vs. 11±2; p<0.001). On electrocardiogram, ATTR-CM patients had lower voltages (37 vs. 4%; p<0.001) and more atrioventricular blocks (39 vs. 19%; p=0.02). Tissue doppler (E/e’) was higher in ATTR-CM patients (18±7 vs. 14±6; p=0.001). The positive predictive value (PPV) for our screening criteria ranged from 16-38%, with the highest PPV and negative predictive value (NPV) for age ≥70 years and new HF (PPV 38%, NPV 95%). We identified 5 key predictors of ATTR-CM to develop a practical tool for clinicians with a score of ≥7 meeting criteria for further testing (Figure 1). This tool had a sensitivity of 89%, specificity of 85%, PPV of 64%, NPV of 96%, and an area under receiver operating characteristic curve of 0.9. Conclusion: Broad screening criteria applied to high-risk patient populations yielded new ATTR-CM diagnoses in 23% of patients. Screening tools for ATTR-CM can be used to help clinicians identify patients who should undergo further testing. Further studies are needed to validate our predictive tool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,255
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetAmyloidosis: Diagnosis, Treatment, OutcomesTravaux en français237 207