Risk Stratification of Patients With Moderate Aortic Stenosis Using Aortic Valve Calcium
Notice bibliographique
Résumé
Abstract Objectives To evaluate whether aortic valve calcium (AVC) scoring by cardiac CT can enhance risk stratification and identify high-risk patients among those with moderate aortic stenosis (AS). Background Moderate AS is traditionally considered benign, yet emerging evidence suggests a subset may experience adverse outcomes similar to those with severe AS. AVC scoring has been validated for diagnosing severe AS but its prognostic value in moderate AS remains unclear. Methods A retrospective cohort study of 606 patients with moderate aortic stenosis (MAS) for whom aortic valve calcium (AVC) assessment was recommended on echocardiogram reports. Patients were categorized into two groups: those who underwent AVC (n=159) and those who did not (n=447). Primary outcomes included aortic valve replacement (AVR) and all-cause mortality. Secondary outcomes included time to severe AS diagnosis and time to AVR. Results A significantly higher proportion of patients in the CT cohort reached a diagnosis of severe AS (28.8% vs. 19.9%, p=0.037) and underwent valve intervention (32.6% vs. 14.1%, p<0.001) compared to the no-CT cohort. Patients underwent valve intervention mostly at the severe AS stage. All-cause mortality was markedly lower in the CT cohort (7.6% vs. 24.9%, p<0.001); difference being driven by excess non-cardiovascular mortality in the no-CT cohort (61.0% vs. 7.9%, p<0.001). Patients with severe AVC (males AVC >2000 AU and females >1200 AU) were more likely to undergo valve intervention compared with non-severe AVC (HR 2.60, 95% CI 1.42-4.74, p=0.002). Patients in the CT cohort were more likely to undergo valve intervention (HR 3.17, CI 2.04-4.91, p<0.001), and had a significantly lower all-cause mortality (HR 0.32, CI 0.16-0.61, p=0.001) compared to the no-CT cohort. Conclusion A practice algorithm incorporating AVC for risk stratification of MAS patients can lead to better outcomes. Role of AVC based decision-making in patients with MAS needs further study in a randomized trial.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».