MétaCan
Menu
Retour à la cohorte
Enregistrement W4406680157 · doi:10.1002/ehf2.15129

Comparative Performance of Risk Prediction Indices for Mortality or Readmission Following Heart Failure Hospitalization

2025· article· en· W4406680157 sur OpenAlexafffund
Tauben Averbuch, Ali Zafari, Shofiqul Islam, Shun Fu Lee, Rajiv Sankaranarayanan, Stephen J. Greene, Mamas A. Mamas, Ambarish Pandey, Harriette G.C. Van Spall

Notice bibliographique

RevueESC Heart Failure · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensHamilton Health SciencesImpactMcMaster UniversityPopulation Health Research InstituteUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term Care
Mots-clésMedicineHeart failureEmergency departmentEjection fractionCohortEmergency medicineAcute decompensated heart failureInternal medicineFramingham Risk ScoreTriageDisease

Résumé

récupéré en direct d'OpenAlex

AIMS: Risk prediction indices used in worsening heart failure (HF) vary in complexity, performance, and the type of datasets in which they were validated. We compared the performance of seven risk prediction indices in a contemporary cohort of patients hospitalized for HF. METHODS AND RESULTS: We assessed the performance of the Length of stay and number of Emergency department visits in the prior 6 months (LE), Length of stay, number of Emergency department visits in the prior 6 months, and admission N-Terminal prohormone of brain natriuretic peptide (NT-proBNP (LENT), Length of stay, Acuity, Charlson co-morbidity index, and number of Emergency department visits in the prior 6 months (LACE), Get With The Guidelines Heart Failure (GWTG), Readmission Risk Score (RRS), Enhanced Feedback for Effective Cardiac Treatment model (EFFECT), and Acute Decompensated Heart Failure National Registry (ADHERE) risk indices among consecutive patients hospitalized for HF and discharged alive from January 2017 to December 2019 in a network of hospitals in England. The primary composite outcome was 30-day all-cause mortality or readmission. We assessed model discrimination and overall accuracy using the C-statistic (higher values, better) and Brier score (lower values, better), respectively. Among 1206 patients in the cohort, 45.0% were female, mean (SD) age was 76.6 (11.7) years, and mean (SD) left ventricular ejection fraction was 43.0% (11.6). At 30 days, 236 (19.6%) patients were readmitted and 28 (2.3%) patients died, with 264 (21.9%) patients experiencing either readmission or death. The LENT index offered the combination of greatest risk discrimination and accuracy for the primary composite outcome (C-statistic: 0.97; 95% CI 0.96, 0.98; 0.29; Brier score: 0.05). The LE (C-statistic: 0.95; 95% CI 0.93, 0.96; Brier score: 0.06) and LACE (C-statistic: 0.90; 95% CI 0.88, 0.92; Brier score 0.09) indices had high discrimination and accuracy. Discrimination and accuracy were modest with the RRS (C-statistic: 0.65; 95% CI 0.61, 0.69; Brier score: 0.16) and EFFECT (C-statistic: 0.64; 95% CI 0.60, 0.67; Brier score: 0.16) score; and poor with the GWTG-HF (C-statistic: 0.62; 95% CI 0.58, 0.66; Brier score: 0.17) and ADHERE (C-statistic: 0.54; 95% CI 0.50, 0.57; Brier score: 0.17) scores. CONCLUSIONS: In a study that compared the performance of seven risk prediction indices in a contemporary cohort of patients hospitalized for HF, the simple LENT index offered the greatest combination of discrimination and accuracy for the primary composite outcome of 30-day all-cause mortality or readmission. This three-variable index -using length of hospital stay, preceding emergency department visits and admission NT-proBNP level- is a practical and reliable way to assess prognosis following hospitalization for HF.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,321
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueESC Heart FailureMême sujetHeart Failure Treatment and ManagementTravaux en français237 207