Abstract MP21: Heart Failure Risk Associated With Optimal Levels of Modifiable HF Risk Factors: The Atherosclerosis Risk in Communities Study (ARIC)
Notice bibliographique
Résumé
Background: Several heart failure (HF) risk factors, including hypertension, diabetes mellitus, obesity, and physical activity, are well described. However, the degree to which optimization of these modifiable risk factors might impact the incidence of HF is not yet fully defined. Hypothesis: We hypothesized more optimal control of major modifiable HF risk factors is associated with progressively lower HF risk. Methods: We performed a prospective analysis of 13,534 ARIC participants (mean age 57, 55% female), examining HF risk associations of different cutpoints of glycemia (HbA1c), systolic blood pressure (SBP), body mass index (BMI) and physical activity (assessed at Visit 2 [1990-92], except for physical activity assessed at Visit 1 (1987-89]). Optimal risk factor control was defined as HbA1c < 7%, SBP < 120 mmHg, BMI 18.5-25 kg/m 2 , and AHA-recommended activity levels. Severely uncontrolled risk factors were defined as HbA1c > 8%, SBP > 160 mmHg, BMI > 35 kg/m 2 and no exercise physical activity. Intermediate values were considered mild to moderately uncontrolled. Cox models simultaneously including all risk factors were constructed to assess associations of risk factor levels with incident HF (by discharge codes) after Visit 2 through 2016. Results: There were 2,827 HF events over a median 24 years of follow-up. Risk gradations were seen across categorizations of each risk factor (Table). In the full model, relative to optimal control, HRs were 2.06 for BMI ≥ 35 kg/m 2 , 1.16 for poor physical activity, 2.31 for HbA1c > 8% and 1.80 for SBP ≥ 160 mmHg. No risk gradient was seen from SBP < 120 to 140 mmHg among hypertensives. Incidence rates (per 1000 PYs) were 7.9 for all optimally controlled risk factors, 14.5 for 3-4 mild to moderately uncontrolled risk factors and 39.5 for 3-4 severely uncontrolled risk factors. Conclusion: Optimal control of modifiable risk factors is strongly linked to lower HF risk. Our findings suggest prioritizing optimization of existing risk factors may be central to successful strategies to prevent HF onset.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».