Mitral transcatheter edge-to-edge repair and outcomes according to baseline health status: the RESHAPE-HF2 trial
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Mitral transcatheter edge-to-edge repair (M-TEER) using the MitraClip device improves clinical outcomes in patients with moderate-to-severe ventricular secondary mitral regurgitation (vSMR) and heart failure (HF). This study evaluated whether the effects of M-TEER on clinical outcomes vary by baseline health status, as measured by the Kansas City Cardiomyopathy Questionnaire (KCCQ), and assessed the impact of M-TEER on health status post-randomization. METHODS: The RESHAPE-HF2 trial included patients with symptomatic HF and moderate-to-severe vSMR (mean effective regurgitant orifice area .25 cm2; 14% >.40 cm2, 23% <.20 cm2). The impact of baseline KCCQ-clinical summary score (CSS) on the effect of M-TEER on clinical outcomes was assessed using Cox proportional hazards models. Changes post-randomization in health status and responder analyses were performed to assess the odds ratio (OR) of improvement and deterioration in KCCQ scores. RESULTS: Among 505 patients, M-TEER reduced cardiovascular death or HF hospitalization risk [hazard ratio (HR): .71 (.48-1.05), .50 (.29-.85), and .73 (.38-1.41)] across KCCQ-CSS tertiles of <38.9, 38.9-66.1, and >66.1, respectively (P-trend = .53). Similar results were seen for total HF hospitalization (P-trend = .48). M-TEER improved KCCQ-CSS, total symptom score, and overall summary score at 1, 6, 12, and 24 months compared to medical therapy alone (P < .05 at all time points). More patients in the M-TEER arm experienced a ≥5-point [OR 3.38 (2.09-5.45)], ≥10-point [OR 3.12 (1.93-5.02)], and ≥15-point [OR 3.25 (1.94-5.45)] improvement, and less patients had a ≥5-point deterioration [OR .34 (.19-.57)] in KCCQ-CSS at 6 months. Similar results were seen across other KCCQ domains and all time points. CONCLUSIONS: In patients with HF and moderate-to-severe vSMR, M-TEER showed a consistent trend towards a lower risk of HF hospitalization, with or without cardiovascular death, across all KCCQ-CSS tertiles and improved health status over time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».