MétaCan
Menu
Retour à la cohorte
Enregistrement W4413117886 · doi:10.1093/ehjqcco/qcaf078

Impact of glomerular filtration rate estimation formulas on MECKI score performance and prognostic accuracy in heart failure: the MECKI-RENAL study

2025· article· en· W4413117886 sur OpenAlexaff
Massimo Mapelli, Elisabetta Salvioni, Nicola Cosentino, Francesca Pluchinotta, Arianna Galotta, Alice Bonomi, Michele Emdin, Massimo Piepoli, Gianfranco Sinagra, Michele Senni, Jeness Campodonico, Anna Apostolo, A Nava, Damiano Magrì, Stefania Paolillo, Ugo Corrà, Rosa Raimondo, Antonio Cittadini, Andrea Salzano, Rocco Lagioia, Carlo Vignati, Roberto Badagliacca, Pasquale Perrone Filardi, Mauro Contini, Michele Correale, Enrico Perna, Marco Metra, Beatrice Pezzuto, Maddalena Rossi, Pietro Palermo, Gaia Cattadori, Marco Guazzi, Giuseppe Limongelli, Gianfranco Parati, Nicola Campana, Maria Vittoria Matassini, Francesco Bandera, Maurizio Bussotti, Federica Re, Carlo Lombardi, Angela Beatrice Scardovi, Stefania Farina, Giulia Grilli, Susanna Sciomer, Andrea Passantino, Caterina Santolamazza, Davide Girola, Claudio Passino, Irene Mattavelli, Marco Scatigna, Arianna Piotti, Federica Mescia, Giancarlo Marenzi, Piergiuseppe Agostoni

Notice bibliographique

RevueEuropean Heart Journal - Quality of Care and Clinical Outcomes · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensSurgical Specialties (Canada)
Organismes subventionnairesnon disponible
Mots-clésRenal functionMedicineKidney diseaseHeart failureEjection fractionInternal medicineCardiologyArea under the curveHeart transplantationUrology

Résumé

récupéré en direct d'OpenAlex

AIMS: Appropriate interpretation of kidney function is essential for clinical and therapeutic management of heart failure (HF). We evaluated the prognostic accuracy of 6 glomerular filtration rate estimation (eGFR) formulas in HF patients with reduced ejection fraction (HFrEF) and their impact on the Metabolic Exercise test data combined with Cardiac and Kidney Indexes (MECKI) score prognostic accuracy. METHODS AND RESULTS: We retrospectively analyzed 6933 patients enrolled in the MECKI score database. GFR was estimated using Modification of Diet in Renal Disease (MDRD); MRDR modified (MDRDm); Cockcroft-Gault (CG), CG modified (CGm); Chronic Kidney Disease Epidemiology Collaboration (CKD-EPI), and the European Kidney Function Consortium (EKFC). Survival was assessed as the composite of cardiovascular death, left ventricular assist device implantation and urgent heart transplantation at 2 years. Each GFR estimation demonstrated similar but moderate prognostic capacity, with the area under the curve (AUC) for predicting survival ranging from 0.6271 (EKFC) to 0.635 (MDRD). For cardiovascular death, the AUC values ranged from 0.668 to 0.677. The prevalence of severe CKD, defined as eGFR <30 mL/min/1.73 m², ranged from 3.2% (MDRD) to 4.5% (EKFC). When included in MECKI score, the 6 formulas showed a MECKI AUC for prognosis ranging from 0.7841 to 0.7883, with the EKFC and CKD-EPI showing the best performance. CONCLUSION: GFR estimations play a role in HFrEF prognosis without difference among the 6 most frequently used formulas. Furthermore, using eGFR calculated from the 6 different formulas in MECKI score did not significantly alter its strong prognostic power, highlighting MECKI reliability in risk stratification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,075
Tête enseignante GPT0,449
Écart entre enseignants0,374 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal - Quality of Care and Clinical OutcomesMême sujetChronic Kidney Disease and DiabetesTravaux en français237 207