Predictive Model for High-Risk Coronary Artery Disease
Notice bibliographique
Résumé
BACKGROUND: Patients with high-risk coronary artery disease (CAD) may be difficult to identify. METHODS: Using the PROMISE (Prospective Multicenter Imaging Study for Evaluation of Chest Pain) cohort randomized to coronary computed tomographic angiography (n=4589), 2 predictive models were developed for high-risk CAD, defined as left main stenosis (≥50% stenosis) or either (1) ≥50% stenosis [50] or (2) ≥70% stenosis [70] of 3 vessels or 2-vessel CAD involving the proximal left anterior descending artery. Pretest predictors were examined using stepwise logistic regression and assessed for discrimination and calibration. RESULTS: High-risk CAD was identified in 6.6% [50] and 2.4% [70] of patients. Models developed to predict high-risk CAD discriminated well: [50], bias-corrected C statistic=0.73 (95% CI, 0.71-0.76); [70], bias-corrected C statistic=0.73 (95% CI, 0.68-0.77). Variables predictive of CAD in both models included family history of premature CAD, age, male sex, lower glomerular filtration rate, diabetes mellitus, elevated systolic blood pressure, and angina. Additionally, smoking history was predictive of [50] CAD and sedentary lifestyle of [70] CAD. Both models characterized high-risk CAD better than the Pooled Cohort Equation (area under the curve=0.70 and 0.71 for [50] and [70], respectively) and Diamond-Forrester risk scores (area under the curve=0.68 and 0.71, respectively). Both [50] and [70] CAD was associated with more frequent invasive interventions and adverse events than non-high-risk CAD (all P<0.0001). CONCLUSIONS: In contemporary practice, 2.4% to 6.6% of stable, symptomatic patients requiring noninvasive testing have high-risk CAD. A simple combination of pretest clinical variables improves prediction of high-risk CAD over traditional risk assessments. CLINICAL TRIAL REGISTRATION: URL: https://www.clinicaltrials.gov . Unique identifier: NCT01174550.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».