Discordances between predicted and actual risk in obese patients with suspected cardiac ischaemia
Notice bibliographique
Résumé
OBJECTIVES: To test the relationship between increasing severity of obesity, calculated risk and observed outcomes. METHODS: Patients with symptoms suggestive of coronary artery disease (CAD) (n=10 003) were stratified according to body mass index (BMI). We compared risk factors, pooled risk scores and physicians' perception of risk. Cox regression tested the association between BMI and (1) presence of obstructive CAD and (2) composite clinical endpoints (death, cardiovascular death, unstable angina hospitalisation and myocardial infarction). RESULTS: in 48% of patients and ≥35 in 20%. Increasingly obese patients were younger, female and non-smoking but with higher prevalence of hypertension, diabetes, black race and sedentary lifestyle. Pooled risk estimates of CAD were highest in those with mid-range BMI. In contrast, physicians' estimation of the likelihood of significant CAD based on clinical impression increased progressively with BMI. For a 10% increase in the Diamond-Forrester probability of CAD, the adjusted OR for obstructive CAD was 1.5 (95% CI 1.4 to 1.5) in patients with BMI <35, but only 1.2 (95% CI 1.1 to 1.3) in those with BMI ≥35 (interaction p<0.001). Framingham Risk Score increased across increasing BMI categories. However, there was a strong and consistent inverse relationship between degree of obesity and all three composite clinical endpoints over a median 25 months of follow-up. CONCLUSIONS: Despite perceptions of higher risk and higher risk scores, increasingly obese patients had obstructive CAD less frequently than predicted and had fewer adverse clinical outcomes. There is a need for risk assessment tools and guidelines that account for obesity. TRIAL REGISTRATION NUMBER: NCT01174550.
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) | 0,000 | 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 ».