Insgesamt wurden 1.005 Personen eingeschlossen (18 % Frauen, mittleres Alter 60,4 Jahre, 51 % koronare Herzkrankheit, 42 % nicht-ischämische Kardiomyopathie, mittlere LVEF 36 %). Die Gesamt-Ereignisrate bzgl. des primären Endpunkts nach 5 Jahren betrug 10 % und die kardiovaskuläre Mortalität rund 3 %.
Zur Vorhersage des primären Endpunkts wurde die LASSO-Regression, eine Methode des Machine-Learnings, angewendet. Positiv auf die Prognose wirkten sich folgende Parameter aus: 6-Minuten-Geh-Test und körperliche Belastbarkeit (SM36, Selbsteinschätzung). Dagegen waren folgende Parameter mit einem erhöhten Risiko verbunden: männliches Geschlecht, höheres Alter, sowie hohe linksatriale Fläche, NTproBNP, Kreatinin sowie Depression (PHQ-9-D). Interessanterweise hatten bekannte Variablen, wie LVEDD (linksventrikulären enddiastolischen Durchmesser), oder LVEF, laut diesem Modell keine Bedeutung für die Prognose. Das Modell erlaubte insgesamt eine gute Risikoabschätzung, wie die hohe Übereinstimmung mit der Kalibrationslinie zeigte.