Predictive Utility of Cardiovascular Risk Prediction Algorithms in Inflammatory Rheumatic Diseases: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: We performed a systematic review of the literature to describe current knowledge of cardiovascular (CV) risk prediction algorithms in rheumatic diseases. METHODS: A systematic search of MEDLINE, EMBASE, and Cochrane Central databases was performed. The search was restricted to original publications in English, had to include clinical CV events as study outcomes, assess the predictive properties of at least 1 CV risk prediction algorithm, and include patients with rheumatoid arthritis (RA), ankylosing spondylitis (AS), systemic lupus erythematosus (SLE), psoriatic arthritis (PsA), or psoriasis. By design, only cohort studies that followed participants for CV events were selected. RESULTS: Eleven of 146 identified manuscripts were included. Studies evaluated the predictive performance of the Framingham Risk Score, QRISK2, Systematic Coronary Risk Evaluation (SCORE), Reynolds Risk Score, American College of Cardiology/American Heart Association Pooled Cohort Equations (PCE), Expanded Cardiovascular Risk Prediction Score for Rheumatoid Arthritis (ERS-RA), and the Italian Progetto CUORE score. Approaches to improve predictive performance of general risk algorithms in patients with RA included the use of multipliers, biomarkers, disease-specific variables, or a combination of these to modify or develop an algorithm. In both SLE and PsA patients, multipliers were applied to general risk algorithms. In studies of RA and SLE patients, efforts to include nontraditional risk factors, disease-related variables, multipliers, and biomarkers largely failed to substantially improve risk estimates. CONCLUSION: Our study confirmed that general risk algorithms mostly underestimate and at times overestimate CV risk in rheumatic patients. We did not find studies that evaluated models for psoriasis or AS, which further demonstrates a need for research in these populations.
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 | 0,015 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».