Cardiovascular risk scoring and magnetic resonance imaging detected subclinical cerebrovascular disease
Notice bibliographique
Résumé
AIMS: Cardiovascular risk factors are used for risk stratification in primary prevention. We sought to determine if simple cardiac risk scores are associated with magnetic resonance imaging (MRI)-detected subclinical cerebrovascular disease including carotid wall volume (CWV), carotid intraplaque haemorrhage (IPH), and silent brain infarction (SBI). METHODS AND RESULTS: A total of 7594 adults with no history of cardiovascular disease (CVD) underwent risk factor assessment and a non-contrast enhanced MRI of the carotid arteries and brain using a standardized protocol in a population-based cohort recruited between 2014 and 2018. The non-lab-based INTERHEART risk score (IHRS) was calculated in all participants; the Framingham Risk Score was calculated in a subset who provided blood samples (n = 3889). The association between these risk scores and MRI measures of CWV, carotid IPH, and SBI was determined. The mean age of the cohort was 58 (8.9) years, 55% were women. Each 5-point increase (∼1 SD) in the IHRS was associated with a 9 mm3 increase in CWV, adjusted for sex (P < 0.0001), a 23% increase in IPH [95% confidence interval (CI) 9-38%], and a 32% (95% CI 20-45%) increase in SBI. These associations were consistent for lacunar and non-lacunar brain infarction. The Framingham Risk Score was also significantly associated with CWV, IPH, and SBI. CWV was additive and independent to the risk scores in its association with IPH and SBI. CONCLUSION: Simple cardiovascular risk scores are significantly associated with the presence of MRI-detected subclinical cerebrovascular disease, including CWV, IPH, and SBI in an adult population without known clinical CVD.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».