MétaCan
Menu
Retour à la cohorte
Enregistrement W2520154016 · doi:10.1371/journal.pone.0162386

A Global View of the Relationships between the Main Behavioural and Clinical Cardiovascular Risk Factors in the GAZEL Prospective Cohort

2016· article· en· W2520154016 sur OpenAlexfundno aff
Pierre Meneton, Cédric Lemogne, É. Herquelot, Sébastien Bonenfant, Martin G. Larson, Ramachandran S. Vasan, Joël Ménard, Marcel Goldberg, Marie Zins

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Health, British ColumbiaAgence Française de Sécurité Sanitaire de l'Environnement et du TravailInstitut National de la Santé et de la Recherche Médicale
Mots-clésProspective cohort studyDyslipidemiaRisk factorMedicineProportional hazards modelCohortInternal medicineDiabetes mellitusObesityCohort studyDemographyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Although it has been recognized for a long time that the predisposition to cardiovascular diseases (CVD) is determined by many risk factors and despite the common use of algorithms incorporating several of these factors to predict the overall risk, there has yet been no global description of the complex way in which CVD risk factors interact with each other. This is the aim of the present study which investigated all existing relationships between the main CVD risk factors in a well-characterized occupational cohort. Prospective associations between 12 behavioural and clinical risk factors (gender, age, parental history of CVD, non-moderate alcohol consumption, smoking, physical inactivity, obesity, hypertension, dyslipidemia, diabetes, sleep disorder, depression) were systematically tested using Cox regression in 10,736 middle-aged individuals free of CVD at baseline and followed over 20 years. In addition to independently predicting CVD risk (HRs from 1.18 to 1.97 in multivariable models), these factors form a vast network of associations where each factor predicts, and/or is predicted by, several other factors (n = 47 with p<0.05, n = 37 with p<0.01, n = 28 with p<0.001, n = 22 with p<0.0001). Both the number of factors associated with a given factor (1 to 9) and the strength of the associations (HRs from 1.10 to 6.12 in multivariable models) are very variable, suggesting that all the factors do not have the same influence within this network. These results show that there is a remarkably extensive network of relationships between the main CVD risk factors which may have not been sufficiently taken into account, notably in preventive strategies aiming to lower CVD risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,299
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetNutritional Studies and DietTravaux en français237 207