Abstract 4369009: Near-Maximal Movement Captured by Accelerometry Offers Superior Mortality Risk Prediction Than Aggregate Movement in Heart Failure
Notice bibliographique
Résumé
Background: There is a growing interest in understanding the impact of tested therapies on real-world functional outcomes as measured by wearable accelerometers (ACC) in heart failure (HF). However, there is a need to validate clinically meaningful ACC biomarkers as trials have shown limited efficacy in improving aggregate ACC measures such as daily steps to date. Here, we examine the association between an established aggregate ACC measure and a novel biomarker of near-maximal movement with the risk of all-cause and cardiovascular (CV) mortality in patients with HF. Research Question: How do measures of aggregate vs. near-maximal volitional movement captured via accelerometry compare in their prediction of mortality risk in patients with heart failure? Methods: Participants in the 2011–2012 and 2013–2014 waves of NHANES wore the Actigraph GT3X+ on their wrist for 7 days and were followed up to confirm mortality status and cause of death (ICD-10) in 2019. The sum of vector magnitudes (SVM) was calculated as the mean vector magnitude of acceleration for every 5 minutes. SVM values were ranked numerically and the 90 th percentile value was captured for each participant as a novel biomarker (i.e., SVM-90) of near-maximal movement. The aggregate ACC metric Monitor-independent movement summary (MIMS) was downloaded from the NHANES website. Cox proportional hazards models were employed to evaluate the relationship between SVM-90 and MIMS values above or below the cohort median and time to all-cause or CV mortality. Results: 291 participants with self-reported HF (50.9% female, mean (SD) age 66.8 (12.6), mean 5.4 years of follow-up) were included. Participants with SVM-90 below the median were older than their counterparts (age 70.6 (10.9) vs. 63.0 (13.1), p<0.001) while other demographics did not differ between groups. In models adjusted for MIMS above or below the median, the high SVM-90 group presented reduced risk of all-cause (HR 0.56 (0.38-0.84), p=0.00444, Fig.1A) and CV mortality (HR 0.43 (0.23-0.79), p=0.00676, Fig.1B) compared to the low SVM-90 group, while MIMS was not associated with risk of either outcome (all-cause: HR 0.72 (0.49-1.06), p=0.0959; CV: HR 0.81 (0.45-1.45), p=0.478). Conclusion: Here we provide evidence that a measure of near-maximal movement captured by ACC offers superior mortality prediction in HF compared to aggregate movement. ACC provides objective and patient-centric biomarkers that may serve as outcomes in HF trials.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».