Abstract TP184: Did Race Impact Risk Factor Control in the SAMMPRIS Trial?
Notice bibliographique
Résumé
Background: WASID showed that Blacks with symptomatic intracranial atherosclerosis are at higher risk of recurrent stroke and have a greater vascular risk factor burden than whites. We sought to determine if aggressive medical management (AMM) in SAMMPRIS resulted in equal control of risk factors in Blacks vs. other races and eliminated the racial disparity in outcome. Methods: Data on all 451 SAMMPRIS patients receiving AMM were used to determine risk factor control in Blacks vs. Others. SBP, LDL, and exercise were recorded throughout the trial, averaged (from baseline until primary endpoint), and dichotomized as in/out of target. Chi-square and t-tests were used to compare risk factor control in Blacks vs. Others. For outcome analyses, data from 227 patients randomized to AMM only were used. Time to event curves for the primary endpoint were compared between Blacks vs. Others using the log-rank test and hazard ratios were calculated with Cox proportional hazards regression. Results: There were no differences between the percentage of Blacks (n=104) vs. Others (n=347) that were in-target for SBP (57.1% vs 62.3%, p=0.36), LDL (40.4% vs 48.5%, p=0.14), or exercise (40.4% vs 43.2%, p=0.61) and no difference in mean SBP (135.2 vs 133.3 mm Hg, p=0.19), LDL (80.7 vs 76.3 mg/dL, p=0.19), or PACE exercise score (3.6 vs 3.8, p=0.27). There was a numerically higher primary endpoint rate among Blacks, but no statistically significant difference in outcome (Figure). However, power to detect a HR of 1.5 for Black race (the HR for the primary endpoint in WASID) was only 20%. Conclusions: Control of SBP and LDL, and exercise, which were highly associated with a good outcome in SAMMPRIS, were not different between Blacks and other races. However, the study lacked sufficient power to detect a difference in outcome between blacks and other races and therefore we cannot conclude that reducing racial disparities in risk factor control will lead to reducing disparities in outcome.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».