Risk stratification for sudden death in congenital heart disease: bridging evidence, uncertainty, and individual decision-making
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Sudden cardiac death (SCD) remains a feared and difficult-to-predict outcome in patients with congenital heart disease (CHD). This review examines the latest evidence in risk stratification, with a focus on limitations of existing models and the mechanistic and statistical complexities that hinder individualized decision-making. RECENT FINDINGS: New multivariable risk scores for repaired tetralogy of Fallot and systemic right ventricle have improved prognostic resolution. Artificial intelligence-enabled ECG algorithms have shown promise in early identification of high-risk individuals with repaired tetralogy of Fallot. In parallel, three-dimensional cardiac magnetic resonance imaging has been leveraged to delineate arrhythmogenic isthmuses, enhancing substrate-guided interventions. While these tools enhance risk estimation, they require validation specific to the prediction of shockable terminal rhythms, improved interpretability, and integration into individualized decision frameworks. SUMMARY: SCD risk prediction in CHD is evolving toward a multimodal, individualized approach that emphasizes probabilistic reasoning, shared decision-making, and epistemic humility. Although new models and technologies offer incremental gains, they do not eliminate the uncertainty inherent in predicting rare events. The application of population-based tools to individual patients must be interpreted cautiously, recognizing that SCD represents a final common pathway for diverse pathophysiological processes, and that decisions about ICD implantation entail complex trade-offs.
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 | 0,012 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».