Development and validation of a cardiovascular disease risk-prediction model using population health surveys: the Cardiovascular Disease Population Risk Tool (CVDPoRT)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Routinely collected data from large population health surveys linked to chronic disease outcomes create an opportunity to develop more complex risk-prediction algorithms. We developed a predictive algorithm to estimate 5-year risk of incident cardiovascular disease in the community setting. METHODS: We derived the Cardiovascular Disease Population Risk Tool (CVDPoRT) using prospectively collected data from Ontario respondents of the Canadian Community Health Surveys, representing 98% of the Ontario population (survey years 2001 to 2007; follow-up from 2001 to 2012) linked to hospital admission and vital statistics databases. Predictors included body mass index, hypertension, diabetes, and multiple behavioural, demographic and general health risk factors. The primary outcome was the first major cardiovascular event resulting in hospital admission or death. Death from a noncardiovascular cause was considered a competing risk. RESULTS: We included 104 219 respondents aged 20 to 105 years. There were 3709 cardiovascular events and 818 478 person-years follow-up in the combined derivation and validation cohorts (5-year cumulative incidence function, men: 0.026, 95% confidence interval [CI] 0.025-0.028; women: 0.018, 95% 0.017-0.019). The final CVDPoRT algorithm contained 12 variables, was discriminating (men: C statistic 0.82, 95% CI 0.81-0.83; women: 0.86, 95% CI 0.85-0.87) and was well-calibrated in the overall population (5-year observed cumulative incidence function v. predicted risk, men: 0.28%; women: 0.38%) and in nearly all predefined policy-relevant subgroups (206 of 208 groups). INTERPRETATION: ClinicalTrials.gov, no. NCT02267447.
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.
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 | 0,033 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle