Influence of Noninvasive Cardiovascular Imaging in Primary Prevention
Notice bibliographique
Résumé
BACKGROUND: Despite extensive use in practice, the impact of noninvasive cardiovascular imaging in primary prevention remains unclear. METHODS: We searched for randomized trials that compared imaging with usual care and reported any of the following outcomes in a primary prevention setting: medication prescribing, lifestyle modification (including diet, exercise, or smoking cessation), angiography, or revascularization. RESULTS: Seven trials were included. Trials screened patients for inducible myocardial ischemia (2 trials), coronary calcification (3 trials), carotid atherosclerosis (1 trial), or left ventricular hypertrophy (1 trial). Imaging had no effect on medication prescribing overall (odds ratio [OR], 1.01; 95% confidence interval [CI], 0.76-1.33) or on provision of lipid-modifying agents (OR, 1.08; 95% CI, 0.58-2.01), antihypertensive drugs (OR, 1.05; 95% CI, 0.75-1.47), or antiplatelet agents (OR, 1.05; 95% CI, 0.84-1.32). Similarly, no effect was seen on dietary improvement (OR, 0.78; 95% CI, 0.22-2.85), physical activity (0.02 vs -0.08 point change for imaging vs control on a 5-point scale; P = .23), or smoking cessation (OR, 2.24; 95% CI, 0.97-5.19). Imaging was not associated with invasive angiography (OR, 1.26; 95% CI, 0.89-1.79). CONCLUSIONS: We found limited evidence suggesting that noninvasive cardiovascular imaging alters primary prevention efforts. However, given the imprecision of these results, further high-quality studies are needed.
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 | 0,040 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».