Late Breaking Abstract - Ten-year risk score for COPD: the NHLBI pooled cohorts study
Notice bibliographique
Résumé
<b>Background:</b> COPD risk estimation is important to targeting prevention. <b>Aim:</b> Develop a risk score for 10-year risk of incident airflow obstruction. <b>Methods:</b> 6 US general population cohorts that acquired repeated spirometry were harmonized and pooled. Incident airflow obstruction (FEV1/FVC <.70) was defined over the first 10 years of follow-up in adults without baseline airflow obstruction. A risk score without inclusion of spirometry was developed using an Elastic Net procedure in discovery/validation sub-samples. Discriminative performance was evaluated by ROC curve using logistic regression and compared to a risk score including only seven <i>a priori</i> risk factors (age, sex, race, smoking, packyears, asthma, dyspnea) with/without adjustment for baseline spirometry. <b>Results:</b> Of 20,133 participants (mean age 42yrs, 60% female, 67% non-Hispanic White), 733 (4%) developed incident airflow obstruction over 85,338 person-years. In both discovery and validation sub-samples, the 34-component risk score developed by elastic net yielded similar performance compared to the <i>a priori</i> risk score but was outperformed by a 9-component score that included the <i>a priori</i> risk factors plus initial FEV<sub>1</sub> and FVC (<b>Figure</b>). <b>Conclusions:</b> A 7-component risk score provides good discrimination of 10-year incident airflow obstruction risk; addition of spirometry substantially improves prediction. A risk score approach could be used to inform spirometry screening guidelines.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».