Risk assessment in pulmonary hypertension
Notice bibliographique
Résumé
Pulmonary hypertension (PH) is a disease of the pulmonary circulation that, if untreated, can progress to right ventricular failure and death. Assessment of the risk of mortality guides treatment strategies, such as the selection and modification of targeted pulmonary vasodilator therapy and consideration of lung transplantation. Risk stratification models employ multi-modality metrics which include an assessment of patient’s functional disability, exercise capacity and right ventricular impairment. Currently used models in clinical practice require face-to-face assessment to allow objective risk stratification. In addition, risk stratification is required at regular intervals which consequently results in frequent outpatient appointments. There has been increased interest in telehealth within PH, which was further accelerated by the 2019 coronavirus pandemic, however robust methods to acquire virtual risk metrics are lacking. The first work package in this thesis aimed to describe the current challenges to the implementation of the remote assessment of risk in PH and to develop exploratory knowledge into how exercise capacity and the measurement of biomarkers could be remotely obtained. The results demonstrate that remote risk assessment in PH is feasible, although there were important caveats to the validity of such testing. The second work package focused on the refinement of risk assessment models in PH. The first study herein demonstrates the validity of the novel 4-strata risk assessment model in a cohort of patients with Chronic Thromboembolic Pulmonary Hypertension (CTEPH). The 4-strata model is limited by the inclusion of the World Health Organisation Functional Class and the MRC Dyspnoea Scale was studied an alternative as a measure of functional limitation, with results suggesting that incorporating this may allow further refinement of risk strata. Finally, two pre-test probability algorithms (the H2FPEF and OPTICS scores) were validated to assess whether patients with pre- and post-capillary PH can be differentiated non-invasively, without the need for invasive haemodynamic studies. The results demonstrated that these non-invasive scoring systems do not have sufficient specificity to recommend their routine clinical use.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».