Abstract 17121: Predictors of Death and Major Adverse Cardiovascular Events in the ACCORD Trial Identified by Random Survival Forest Based Machine-Learning
Notice bibliographique
Résumé
Background: Patients with type 2 diabetes (T2D) are at high risk of cardiovascular (CV) morbidity/mortality. The ACCORD trial (NCT00000620) tested intensive glycemic, lipid and blood pressure interventions on major CV events in 10,251 T2D patients with baseline HbA1c concentration >7.5%. Despite its landmark findings, a data-driven systematic evaluation of predictors for major cardiovascular events among hundreds of ACCORD variables has not been conducted. Methods: Random Survival Forest (RSF), a machine-learning method for survival analysis, identified important predictors for total mortality (TM), CV death (CVd), hospitalization/death due to heart failure (hdHF), fatal/non-fatal stroke (CVA), non-fatal myocardial infarction (MI) and MACE (composite of CVd, MI and CVA). Among 378 risk factors, including some highly correlated features, the top-ranked predictors (collected at baseline or derived from repeated measures prior to events) were selected, resulting in a hierarchy of predictive variables. Effects of RSF-selected predictors were then evaluated by multivariate Cox Proportional Hazards Models. Results: Table 1 presented the top ten predictors for six major events. Variables associated with changes in renal function predicted TM, CVd, and hdHF with ~90% accuracy. Insulin use was an important predictor along with predefined composite renal microvascular events for MI, CVA and MACE (74-79% accuracy). The Cox regression models based on RSF variable selection yielded similar findings for these important predictors of events. Conclusions: RSF approach revealed that insulin use and overt renal microvascular events were predictors for the occurrence of MI, stroke, and MACE in T2D patients. Moreover, dynamic changes in urinary renal function biomarkers had additional predictive values for fatal events. These results provide important clinical insights for reducing CV events in Type 2 diabetes patients.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».