Predicting risk of cardiovascular events 1 to 3 years post‐myocardial infarction using a global registry
Notice bibliographique
Résumé
BACKGROUND: Risk prediction tools are lacking for patients with stable disease some years after myocardial infarction (MI). HYPOTHESIS: A practical long-term cardiovascular risk index can be developed. METHODS: The long-Term rIsk, Clinical manaGement and healthcare Resource utilization of stable coronary artery dISease in post-myocardial infarction patients prospective global registry enrolled patients 1 to 3 years post-MI (369 centers; 25 countries), all with ≥1 risk factor (age ≥65 years, diabetes mellitus requiring medication, second prior MI, multivessel coronary artery disease, or chronic non-end-stage kidney disease [CKD]). Self-reported health was assessed with EuroQoL-5 dimensions. Multivariable Poisson regression models were used to determine key predictors of the primary composite outcome (MI, unstable angina with urgent revascularization [UA], stroke, or all-cause death) over 2 years. RESULTS: The primary outcome occurred in 621 (6.9%) of 9027 eligible patients: death 295 (3.3%), MI 195 (2.2%), UA 103 (1.1%), and stroke 58 (0.6%). All events accrued linearly. In a multivariable model, 11 significant predictors of primary outcome (age ≥65 years, diabetes, second prior MI, CKD, history of major bleed, peripheral arterial disease, heart failure, cardiovascular hospitalization (prior 6 months), medical management (index MI), on diuretic, and poor self-reported health) were identified and combined into a user-friendly risk index. Compared with lowest-risk patients, those in the top 16% had a rate ratio of 6.9 for the primary composite, and 18.7 for all-cause death (overall c-statistic; 0.686, and 0.768, respectively). External validation was performed using the Australian Cooperative National Registry of Acute Coronary Care, Guideline Adherence and Clinical Events registry (c-statistic; 0.748, and 0.849, respectively). CONCLUSIONS: In patients >1-year post-MI, recurrent cardiovascular events and deaths accrue linearly. A simple risk index can stratify patients, potentially helping to guide management.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».