Predicting Out-of-Office Blood Pressure in the Clinic (PROOF-BP)
Notice bibliographique
Résumé
Patients often have lower (white coat effect) or higher (masked effect) ambulatory/home blood pressure readings compared with clinic measurements, resulting in misdiagnosis of hypertension. The present study assessed whether blood pressure and patient characteristics from a single clinic visit can accurately predict the difference between ambulatory/home and clinic blood pressure readings (the home-clinic difference). A linear regression model predicting the home-clinic blood pressure difference was derived in 2 data sets measuring automated clinic and ambulatory/home blood pressure (n=991) using candidate predictors identified from a literature review. The model was validated in 4 further data sets (n=1172) using area under the receiver operator characteristic curve analysis. A masked effect was associated with male sex, a positive clinic blood pressure change (difference between consecutive measurements during a single visit), and a diagnosis of hypertension. Increasing age, clinic blood pressure level, and pulse pressure were associated with a white coat effect. The model showed good calibration across data sets (Pearson correlation, 0.48-0.80) and performed well-predicting ambulatory hypertension (area under the receiver operator characteristic curve, 0.75; 95% confidence interval, 0.72-0.79 [systolic]; 0.87; 0.85-0.89 [diastolic]). Used as a triaging tool for ambulatory monitoring, the model improved classification of a patient's blood pressure status compared with other guideline recommended approaches (93% [92% to 95%] classified correctly; United States, 73% [70% to 75%]; Canada, 74% [71% to 77%]; United Kingdom, 78% [76% to 81%]). This study demonstrates that patient characteristics from a single clinic visit can accurately predict a patient's ambulatory blood pressure. Usage of this prediction tool for triaging of ambulatory monitoring could result in more accurate diagnosis of hypertension and hence more appropriate treatment.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».