Predicting Stroke Risk Based on Health Behaviours: Development of the Stroke Population Risk Tool (SPoRT)
Notice bibliographique
Résumé
BACKGROUND: Health behaviours, important factors in cardiovascular disease, are increasingly a focus of prevention. We appraised whether stroke risk can be accurately assessed using self-reported information focused on health behaviours. METHODS: Behavioural, sociodemographic and other risk factors were assessed in a population-based survey of 82,259 Ontarians who were followed for a median of 8.6 years (688,000 person-years follow-up) starting in 2001. Predictive algorithms for 5-year incident stroke resulting in hospitalization were created and then validated in a similar 2007 survey of 28,605 respondents (median 4.2 years follow-up). RESULTS: We observed 3236 incident stroke events (1551 resulting in hospitalization; 1685 in the community setting without hospital admission). The final algorithms were discriminating (C-stat: 0.85, men; 0.87, women) and well-calibrated (in 65 of 67 subgroups for men; 61 of 65 for women). An index was developed to summarize cumulative relative risk of incident stroke from health behaviours and stress. For men, each point on the index corresponded to a 12% relative risk increase (180% risk difference, lowest (0) to highest (9) scores). For women, each point corresponded to a 14% relative risk increase (340% difference, lowest (0) to highest (11) scores). Algorithms for secondary stroke outcomes (stroke resulting in death; classified as ischemic; excluding transient ischemic attack; and in the community setting) had similar health behaviour risk hazards. CONCLUSION: Incident stroke can be accurately predicted using self-reported information focused on health behaviours. Risk assessment can be performed with population health surveys to support population health planning or outside of clinical settings to support patient-focused prevention.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».