Prognostic Implications of Machine Learning Algorithm–Supported Diagnostic Classification of Myocardial Injury Using the Fourth Universal Definition of Myocardial Infarction
Notice bibliographique
Résumé
BACKGROUND: With widespread adoption of high-sensitivity troponin assays, more individuals with myocardial injury are now identified, with type 1 myocardial infarction (T1MI) being less common despite having the most well-established evidence base to inform care. This study assesses the temporal time course of cardiovascular events among various forms of myocardial injury. METHOD: Consecutive hospital encounters were identified. Using the first episode of care during the sampling period, myocardial injury classifications (i.e., T1MI, acute injury/type 2 myocardial infarction [T2MI], chronic injury, and no injury) were established via two machine learning algorithms. The temporal time course of increased hazard for mortality, recurrent myocardial infarction, heart failure, and arrhythmia over 3 years were explored. RESULTS: There were 176,787 index episodes; 6.9% were classified as T1MI, 6.0% as acute injury/T2MI, and 26.7% as chronic injury. Although each classification was associated with an early increased risk of all-cause mortality compared with no injury (incidence rate ratio [IRR]<30 days: T1MI: 19.97 [95% confidence interval 12.50-32.69]; acute injury/T2MI: 26.51 [16.80-42.97]; chronic injury: 15.37 [10.22-23.95]), the instantaneous relative hazard for recurrent myocardial infarction was highest in those with initial T1MI (IRR<30 days: T1MI: 28.81 [22.75-36.76]; acute injury/T2MI: 10.23 [7.60-13.77]; chronic injury:5.54 [4.34-7.41]). In contrast, the instantaneous hazard for heart failure in those with initial acute injury/T2MI and chronic injury remained increased over long-term follow up unlike in T1MI (IRR1 3 yrs: T1MI: 5.52 [4.99-6.09]; acute injury/T2MI: 10.36 [9.51-11.30]; chronic injury:7.40 [6.90-7.94]). CONCLUSIONS: The substantial and persistent rate of late cardiac events highlights the need to establish an evidence base for the therapeutic management of "non-T1MI" diagnostic classifications and suggests opportunity to improve late outcomes using existing and emerging therapies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».