Contemporary model for cardiovascular risk prediction in people with type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND: Existing cardiovascular risk prediction equations perform non-optimally in different populations with diabetes. Thus, there is a continuing need to develop new equations that will reliably estimate cardiovascular disease (CVD) risk and offer flexibility for adaptation in various settings. This report presents a contemporary model for predicting cardiovascular risk in people with type 2 diabetes mellitus. DESIGN AND METHODS: A 4.5-year follow-up of the Action in Diabetes and Vascular disease: preterax and diamicron-MR controlled evaluation (ADVANCE) cohort was used to estimate coefficients for significant predictors of CVD using Cox models. Similar Cox models were used to fit the 4-year risk of CVD in 7168 participants without previous CVD. The model's applicability was tested on the same sample and another dataset. RESULTS: A total of 473 major cardiovascular events were recorded during follow-up. Age at diagnosis, known duration of diabetes, sex, pulse pressure, treated hypertension, atrial fibrillation, retinopathy, HbA1c, urinary albumin/creatinine ratio and non-HDL cholesterol at baseline were significant predictors of cardiovascular events. The model developed using these predictors displayed an acceptable discrimination (c-statistic: 0.70) and good calibration during internal validation. The external applicability of the model was tested on an independent cohort of individuals with type 2 diabetes, where similar discrimination was demonstrated (c-statistic: 0.69). CONCLUSIONS: Major cardiovascular events in contemporary populations with type 2 diabetes can be predicted on the basis of routinely measured clinical and biological variables. The model presented here can be used to quantify risk and guide the intensity of treatment in people with diabetes.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».