P5350Potential utility of the SCORE risk estimator to predict fatal cardiovascular events in a North American population: CARTaGENE cohort
Notice bibliographique
Résumé
Background: The SCORE risk estimator for fatal cardiovascular (CV) events has been well validated in European regions at low- and high-risk for CV events. However, its applicability in North-American populations has not been verified. We sought to examine the predictive value of SCORE in patients without prior CV disease in Quebec, Canada. Methods: The CARTaGENE cohort was a cross-sectional study randomly selected participants in Quebec (2009–2010). We included patients only from 40–70 years and excluded patients with prior CV history for this analysis. We censored fatal CV events by using the provincial health administrative datasets. We computed the cumulative 5-year CV death rate to determine the CV risk profile of our cohort and the applicable SCORE risk estimator. Finally, we evaluated the discrimination of the model by computing the area under the receiver-operating curves (AUC). Results: There were 19,599 subjects, 52% females with a mean age of 54.2 years. The mean LDL, HDL, TC/HDL ratio were 3.0, 1.2, 4.5 mmol/L respectively. The mean glycated hemoglobin was 5.7%. There were 0.6% of patients with diabetes mellitus type 1 and 7.0% patients with diabetes mellitus type 2 The 5-year incidence rates of stroke and myocardial infarction were 0.4% and 0.7%, respectively. At 5 years, there were 252 deaths including 35 of CV causes (257 and 36 per 100,000 person-year, respectively). The cumulative 5-year CV death rate was 0.17% which was similar to the European regions at low risk for CV deaths. The low-risk SCORE estimator performed well to predict 5-year CV death in our cohort with an AUC of 0.75 (95% confidence intervals: 0.67–0.83) (Figure 1)
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».