Abstract 4139555: Transitions Between Heart Failure States in Adult Patients with Congenital Heart Disease
Notice bibliographique
Résumé
Background: The growing number of adult congenital heart disease (CHD) patients facing heart failure (HF) related complications after the age of 40 has become a major concern. There is a lack of data to capture the dynamic nature of HF progression across the adulthood, with the consideration of various contributing factors. This application of multistate models paves a promising way to accurately track health state changes, thus to provide data to inform surveillance and interventions to prevent disease progression, potentially improving personalized treatment plans for a significant patient population. Aims: This study aimed to (1) determine the expected time a patient remains in each HF state, based on predisposing factors; (2) evaluate the probabilities that, across different ages, a patient will either remain at the same state, transition to the next HF state, or die; (3) identify the risk factors of transitioning between health states related to HF among CHD patients. Methods: The dataset was derived from the Quebec CHD database which encompasses 137,493 patients, spanning 35 years of follow-up from 1983 to 2017. We constructed a multistate model to include 6 states: no HF history (0HF), having one (1HF), two (2HF), three (3HF) or more than four HF events (4+HF), and death. Each HF state transition was modeled by Cox proportional hazards regression using the same predictors, including sex, presence of severe congenital heart defects, and comorbidity history. Results: The study included 83,669 adult patients with CHD. Among them, 32,934 HF events and 16,348 deaths were observed during a total of 1,732,942 person-years of follow-up. With each HF occurrence, patients showed faster progression to subsequent HF events. Patients with severe CHD lesion had nearly two decades fewer HF-free years compared to those with non-severe lesions (Figure). Early age of initial HF increased the risk of additional HF events and mortality. Comorbidities such as diabetes and chronic kidney disease markedly reduced the duration that a CHD patient remains HF-free. Conclusion: The study findings highlight the need for early intervention and personalized treatment strategies in managing HF progression in CHD patients.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».