Underestimation of Risk of Carotid Subclinical Atherosclerosis by Cardiovascular Risk Scores in Patients with Psoriatic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: To test the performances of established cardiovascular (CV) risk scores in discriminating subclinical atherosclerosis (SCA) in patients with psoriatic arthritis. METHODS: These scores were calculated: Framingham risk score (FRS), QRISK2, Systematic COronary Risk Evaluation (SCORE), 10-year atherosclerotic cardiovascular disease risk algorithm (ASCVD) from the American College of Cardiology and the American Heart Association, and the European League Against Rheumatism (EULAR)-recommended modified versions (by 1.5 multiplication factor, m-). Carotid intima-media thickness > 0.9 mm and/or the presence of plaque determined by ultrasound were classified as SCA+. RESULTS: We recruited 146 patients [49.4 ± 10.2 yrs, male: 90 (61.6%)], of whom 142/137/128/118 patients were eligible to calculate FRS/QRISK2/SCORE/ASCVD. Further, 62 (42.5%) patients were SCA+ and were significantly older, with higher systolic blood pressure and higher low-density lipoprotein cholesterol (all p < 0.05). All CV risk scores were significantly higher in patients with SCA+ [FRS: 7.8 (3.9-16.5) vs 2.7 (1.1-7.8), p < 0.001; QRISK2: 5.5 (3.1-10.2) vs 2.9 (1.2-6.3), p < 0.001; SCORE: 1 (0-2) vs 0 (0-1), p < 0.001; ASCVD: 5.6 (2.6-12.4) vs 3.4 (1.4-6.1), p = 0.001]. The Hosmer-Lemeshow test revealed moderate goodness of fit for the 4 CV scores (p ranged from 0.087 to 0.686). However, of the patients with SCA+, those identified as high risk were only 44.1% (by FRS > 10%), 1.8% (QRISK2 > 20%), 10.9% (SCORE > 5%), and 43.6% (ASCVD > 7.5%). By applying the EULAR multiplication factor, 50.8%/14.3%/14.5%/54.5% of the patients with SCA+ were identified as high risk by m-FRS/m-QRISK2/m-SCORE/m-ASCVD, respectively. EULAR modification increased the sensitivity of FRS and ASCVD in discriminating SCA+ from 44% to 51%, and 44% to 55%, respectively. CONCLUSION: All CV risk scores underestimated the SCA+ risk. EULAR-recommended modification improved the sensitivity of FRS and ASCVD only to a moderate level.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».