Discordance between Framingham Risk Score and atherosclerotic plaque burden
Notice bibliographique
Résumé
AIM: Clinical predictors are routinely used to identify individuals who may benefit from aggressive risk factor modification. However, clinical predictors cannot account for all genetic and environmental variables. The objective of this study is to investigate the association of Framingham Risk Score (FRS) with computed tomography angiography (CTA) measures of coronary atherosclerosis. METHODS AND RESULTS: Consecutive patients who underwent CTA were prospectively enrolled and categorized according to clinical predictors such as FRS and pre-test probability for obstructive coronary artery disease (CAD). Atherosclerotic calcific and non-calcific plaques were assessed. Of the 1507 patients without a history of diabetes mellitus, myocardial infarction, and not on statin therapy, coronary atherosclerosis was present in 63.5% of the patients. Of the 1173 patients with low and intermediate FRS, atherosclerotic plaque was visually present in 47.6 and 72.7% of the patients, respectively. A higher proportion of low FRS patients had isolated non-calcific plaque (14.8%) compared with patients in the intermediate (10.1%) or high (7.2%) FRS groups, and 11.7% of high FRS patients had no visual evidence of plaque. The correlation between FRS and plaque was fair (r = 0.48; P < 0.001). CONCLUSION: Although clinical variables are predictive of CAD events, CTA identified coronary atherosclerosis in a significant proportion of patients with low to intermediate FRS, and a small minority of patients with high FRS had no evidence of atherosclerosis. Prospective studies are required to determine the potential value of identifying coronary atherosclerosis using CTA and to assess whether modifying therapies based on these results are warranted.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».