Association of Repeatedly Measured High-Sensitivity–Assayed Troponin I with Cardiovascular Disease Events in a General Population from the MORGAM/BiomarCaRE Study
Notice bibliographique
Résumé
BACKGROUND: High-sensitivity troponin I (hs-cTnI) concentrations reflect myocardial stress. The role of hs-cTnI in predicting long-term changes in the risk of cardiovascular disease (CVD) in general populations is not clearly defined. METHODS: We investigated whether the change in 3 repeated measures of hs-cTnI collected 5 years apart in a prospective Danish study (3875 participants, initially aged 30-60 years, 51% female, disease free at baseline) improves 10-year prediction of incident CVD compared to using a single most recent hs-cTnI measurement. The change process was modelled using a joint (longitudinal and survival) model and compared to a Cox model using a single hs-cTnI measure adjusted for classic CVD risk factors, and evaluated using discrimination statistics. RESULTS: Median hs-cTnI concentrations changed from 2.6 ng/L to 3.4 ng/L over 10 years. The change in hs-cTnI predicts 10-year risk of CVD (581 events); the joint model gave a hazard ratio of 1.31 per interquartile difference in hs-cTnI (95% CI 1.15-1.48) after adjustment for CVD risk factors. However, the joint model performed only marginally better (c-index improvement 0.0041, P = 0.03) than using a single hs-cTnI measure (c-index improvement 0.0052, P = 0.04) for prediction of CVD, compared to a model incorporating CVD risk factors without hs-cTnI (c-index 0.744). CONCLUSIONS: The change in hs-cTnI in 5-year intervals better predicts risk of CVD in the general population, but the most recent measure of hs-cTnI, (at 10 years) is as effective in predicting CVD risk. This simplifies the use of hs-cTnI as a prognostic marker for primary prevention of CVD in the general population.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».