Abstract 12072: Predictors of Cardiovascular and Non-Cardiovascular Death: From the Clinic to the Lab
Notice bibliographique
Résumé
Introduction: Mortality risk estimates are often limited by the availability of individual patient risk factor data. We developed a series of prediction models for cardiovascular (CV) and non-cardiovascular (non-CV) death using increasing levels of information starting with the 1) standard history and physical examination, with incremental addition of 2) ECG and common lab values, 3) catheterization variables, and 4) research lab values. Methods: BARI 2D enrolled 2368 patients with type 2 diabetes and documented stable coronary artery disease from 6 countries. Patients were treated according to national diabetes, hypertension and cholesterol guidelines. Average follow-up was 5.4 years, and an independent adjudication committee classified 149 deaths as cardiovascular and 167 as non-cardiovascular. A series of four multivariable Cox regression models corresponding to the above levels of information were generated for CV and non-CV death, and Harrell c-statistics were used to evaluate model discrimination. Results: A history of heart failure, COPD and eGFR were significant independent predictors of both types of death. Classic cardiac risk factors including history of hypertension, ST depression, number of vessels with ≥50% stenosis, and reduced LV function were predictors of death due to cardiovascular causes whereas elevated CRP and total number of lesions were associated with death due to non-cardiovascular causes. Model discrimination for CV death improved with the addition of lab, ECG and angiographic information (c-statistic=0.720 with demographic and clinical predictors only, c-statistics=0.770 with all candidate variables). Improvement in model discrimination across the four models for non-CV death was less marked (c-statistics 0.740 to 0.766). Conclusion: Incremental prediction models provide clinically useful information as a patient is sequentially evaluated from the clinical to the lab.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».