Value of Carotid Ultrasound in Cardiovascular Risk Stratification in Patients With Psoriatic Disease
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to assess whether subclinical atherosclerosis, as evaluated by carotid ultrasound, could predict incident cardiovascular events (CVEs) in patients with psoriatic disease (PsD) and determine whether incorporation of imaging data could improve CV risk prediction by the Framingham Risk Score (FRS). METHODS: In this cohort analysis, patients with PsD underwent ultrasound assessment of the carotid arteries at baseline. The extent of atherosclerosis was assessed using carotid intima-media thickness (CIMT) and total plaque area (TPA). Incident CVEs (new or recurrent) that occurred following the ultrasound assessment were identified. The association between measures of carotid atherosclerosis and the risk of developing an incident CVE was evaluated using Cox proportional hazards models, with adjustment for the FRS. RESULTS: In total, 559 patients with PsD were assessed, of whom 23 had incident CVEs ascertained. The calculated rate of developing a first CVE during the study period was 1.11 events per 100 patient-years (95% confidence interval [95% CI] 0.74-1.67). When analyzed separately in Cox proportional hazards models that were controlled for the FRS, the TPA (hazard ratio [HR] 3.74, 95% CI 1.55-8.85; P = 0.003), mean CIMT (HR 1.21, 95% CI 1.03-1.42; P = 0.02), maximal CIMT (HR 1.11, 95% CI 1.01-1.22; P = 0.03), and high TPA category (HR 3.25, 95% CI 1.18-8.95; P = 0.02) were each predictive of incident CVEs in patients with PsD. CONCLUSION: The burden of carotid atherosclerosis is associated with an increased risk of developing future CVEs. Combining vascular imaging data with information on traditional CV risk factors could improve the accuracy of CV risk stratification in patients with PsD.
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) | 0,001 | 0,000 |
| 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 ».