Expert Consensus on the Primary Aldosteronism Severity Classification and its strategic application in indicating adrenal venous sampling
Notice bibliographique
Résumé
OBJECTIVE: Severity classifications are essential for many diseases to prioritize patient management tasks such as diagnosis, treatment, and follow-up. Primary aldosteronism (PA), a common cause of secondary hypertension, lacks a standardized severity scale despite generally requiring invasive diagnostics like adrenal venous sampling (AVS). This study aimed to develop a global expert consensus-based classification for PA severity to improve clinical decision-making. METHODS: A panel of 45 international experts from 40 centers across four continents used the Delphi method to create a consensus severity classification for PA. This classification was then applied retrospectively to 2593 PA patients from 26 centers to assess its association with the disease subtype. RESULTS: After four rounds, the Primary Aldosteronism Severity Classification (PASC), which integrates biochemical and clinical parameters including serum potassium, blood pressure, and basal plasma aldosterone concentration, was established. Primary Aldosteronism Severity Classification classifies PA into mild (3 and 4 points), moderate (5-7 points), and severe (8 and 9 points). Among the cohort from 26 centers, 13.9%, 63.0%, and 23.1% were classified as mild, moderate, and severe, respectively, aligning with lateralized subtype prevalence rates of 14.7%, 44.6%, and 72.6%. CONCLUSION: Primary Aldosteronism Severity Classification is a newly developed simplified, semi-quantitative classification of PA severity. The correlation between PASC and lateralized PA subtype supports its potential to provide graded recommendations of AVS prior to surgical indication in each patient.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».