External Exposome Factors and Adverse Heart Failure Outcomes in the OneFlorida+ Network: Retrospective Cohort Study
Notice bibliographique
Résumé
Background: Heart failure (HF) readmission rates vary across geographic regions in the United States, yet the impact of external exposome factors, such as contextual-level social determinants of health (SDoH), on adverse HF outcomes is not well understood. Objective: This study aims to examine the association between external exposome factors and the risk of HF readmission and all-cause mortality using a data-driven approach. Methods: We conducted a retrospective cohort study using electronic health record (EHR) data from the OneFlorida+ Network, including patients hospitalized for HF (HHF) from 2016 to 2022. A total of 1308 external exposome factors, covering a wide range of SDoH (eg, economic stability, education, health care access, natural and built environments, and social context), were linked to patients' EHR data based on their county-level residential location. Patients were followed for 1 year after their first HHF to capture readmission and mortality events. We applied the least absolute shrinkage and selection operator regularization to preselect candidate variables, followed by a 2-phase external exposome-wide association study using mixed-effects logistic regression to identify key factors associated with the composite outcome of 1-year HF readmission and mortality. Results: Among 63,940 patients with HF (n=30,475, 48% women; mean age 65, SD 14 years), higher maximum temperature in May was significantly associated with increased risk of the composite outcome (adjusted odds ratio [aOR] 1.04, 95% CI 1.02-1.06; P<.001). Subgroup analyses showed consistent associations across age, sex, race, socioeconomic status, and rural or urban strata. Conclusions: Using a data-driven approach, we found that elevated maximum temperature in May (late spring) was significantly associated with HF readmission and mortality in Florida. Further investigations are warranted to uncover the intricate mechanisms through which extreme heat potentially influences HF outcomes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».