Young Women With Acute Myocardial Infarction: Risk Prediction Model for 1-Year Hospital Readmission

Abstract

Background: Although young women ( aged ≤ 55 years) are at higher risk than similarly aged men for hospital readmission within 1 year after an acute myocardial infarction (AMI), no risk prediction models have been developed for them. The present study developed and internally validated a risk prediction model of 1-year post-AMI hospital readmission among young women that considered demographic, clinical, and gender-related variables. Methods: We used data from the US Variation in Recovery: Role of Gender on Outcomes of Young AMI Patients (VIRGO) study (n = 2007 women), a prospective observational study of young patients hospitalized with AMI. Bayesian model averaging was used for model selection and bootstrapping for internal validation. Model calibration and discrimination were respectively assessed with calibration plots and area under the curve. Results: Within 1-year post-AMI, 684 women (34.1%) were readmitted to the hospital at least once. The final model predictors included: any in-hospital complication, baseline perceived physical health, obstructive coronary artery disease, diabetes, history of congestive heart failure, low income ( < $30,000 US), depressive symptoms, length of hospital stay, and race (White vs Black). Of the 9 retained predictors, 3 were gender-related. The model was well calibrated and exhibited modest discrimination (area under the curve = 0.66). Conclusions: Our female-specific risk model was developed and internally validated in a cohort of young female patients hospitalized with AMI and can be used to predict risk of readmission. Whereas clinical factors were the strongest predictors, the model included several gender-related variables (ie, perceived physical health, depression, income level). However, discrimination was modest, indicating that other unmeasured factors contribute to variability in hospital readmission risk among younger women. Résumé: Contexte: Bien que les femmes jeunes (≤ 55 ans) présentent un risque plus élevé que les hommes du même âge de réadmission à l’hôpital dans l’année suivant un infarctus aigu du myocarde (IAM), il n’existe pas de modèle de prédiction des risques conçu spécialement pour elles. Dans le cadre de la présente étude, on a créé et validé à l’interne un modèle de prédiction des risques de réadmission à l’hôpital dans l’année suivant un IAM chez les femmes jeunes en tenant compte de variables démographiques, cliniques et associées au genre. Méthodologie: Nous avons utilisé les données de l’étude américaine VIRGO (variation du rétablissement : le rôle du genre dans les résultats des jeunes patientes ayant subi un IAM) (n = 2007 femmes), une étude observationnelle prospective menée auprès de jeunes patientes hospitalisées pour un IAM. Un modèle bayésien d’établissement de la moyenne a été utilisé pour la sélection du modèle et la méthode bootstrap a été utilisée pour la validation interne. L’étalonnage et la discrimination du modèle ont été évalués respectivement au moyen des courbes d’étalonnage et de la surface sous la courbe. Résultats: Dans l’année suivant l’IAM, 684 femmes (34,1 %) ont été réadmises à l’hôpital au moins une fois. Les facteurs prédictifs finaux du modèle sont notamment : toute complication survenue à l’hôpital, l’état de santé physique perçu au départ, la coronaropathie obstructive, le diabète, les antécédents d’insuffisance cardiaque congestive, le faible revenu (< 30 000 $ US), les symptômes dépressifs, la durée du séjour à l’hôpital et l’ethnie (blanc par rapport à noir). Parmi les neuf facteurs prédictifs retenus, trois sont associés au genre. Le modèle est bien étalonné et présente une discrimination modeste (surface sous la courbe = 0,66). Conclusions: Notre modèle de risque propre aux femmes a été conçu et validé à l’interne auprès d’une cohorte de femmes jeunes hospitalisées pour un IAM et peut être utilisé pour prédire le risque de réadmission. Bien que les facteurs cliniques soient les facteurs prédictifs les plus puissants, le modèle inclut plusieurs variables liées au genre (p. ex., état de santé physique perçu, dépression, revenu). Cependant, la discrimination étant modeste, d’autres facteurs non mesurés contribuent à la variabilité du risque de réadmission à l’hôpital chez les femmes plus jeunes.