Advantages of Continuous-Valued Risk Scores for Predicting Long-Term Costs: The Framingham Coronary Heart Disease 10-Year Risk Score
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: The few studies that have examined the relationship between midlife cardiovascular disease risk and longer-term costs have differentiated risk using a small number of risk categories. In this paper, we illustrate the advantages of a continuous-valued score to examine the relationship between risk and longer-term costs: the Framingham 10-year coronary heart disease risk score. METHODS: Our study cohort consisted of 1333 Second Generation Framingham Heart Study participants enrolled in fee-for-service Medicare for at least 8 quarters and who had a risk score assessment between age 40 and 50 years. We used generalized linear models to examine the relationships between quarterly Medicare costs and risk scores. RESULTS: Using risk categories defined by the Framingham score, the cost differences between a low and high risk group were 40% to over 200% greater than differences in comparable studies using a small number of risk categories. A continuous-valued score facilitates comparison of the cost consequences of impacting risk score changes. For example, an intervention that is able to reduce a person's score change between midlife and later-life from the 75th percentile to the 25th percentile would result in almost a 20% reduction in longer-term costs. In contrast, an intervention that is able to reduce a person's midlife score from the 75th percentile to the 25th percentile would result in a 38% reduction in costs. CONCLUSIONS: A continuous-valued risk score has advantages compared to defining risk based on a small number of risk categories.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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