Acute Dyspnoea in Cancer Patients: Prevalence of Acute Heart Failure, Resource Use and Diagnostic Accuracy of Natriuretic Peptides
Notice bibliographique
Résumé
AIMS: Among cancer patients presenting with acute dyspnoea, the prevalence of acute heart failure (AHF), resource use and diagnostic accuracy of natriuretic peptides remain unknown. This study aimed to address these knowledge gaps. METHODS AND RESULTS: Patients presenting with acute dyspnoea to the emergency department (ED) were prospectively enrolled in a multicentre diagnostic study. AHF was centrally adjudicated by two independent cardiologists based on current guidelines. B-type natriuretic peptide (BNP) and N-terminal proBNP (NT-proBNP) concentrations were measured at ED presentation. Cancer status, resource use, and long-term outcomes were prospectively assessed. Among 2153 patients, 473 (22.0%) had an active or past cancer. AHF was the most common final diagnosis in both cancer and non-cancer patients (44.4% vs. 51.0%, p = 0.01). Among the alternative diagnoses, pneumonia and cancer-related dyspnoea were more frequent in patients with cancer, while anxiety disorder/hyperventilation was frequent in patients without cancer. Hospitalization rate and length of hospital stay were both higher in cancer patients (p < 0.01). Among AHF-related signs, rales and pleural effusion showed a significant interaction with cancer status and had lower diagnostic accuracy in cancer patients. The area under the curve (AUC) of NT-proBNP was lower in cancer than in non-cancer patients (0.89 vs. 0.93, p = 0.01), while that of BNP was similar (0.93 vs. 0.95, p = ns). This difference was mainly due to active cancers. CONCLUSIONS: Acute heart failure was the most common diagnosis in cancer patients presenting with acute dyspnoea. Rales, pleural effusion, and NT-proBNP had lower diagnostic accuracy versus patients without cancer, while that of BNP remained robust.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».