Accumulation of Deficits as a Key Risk Factor for Cardiovascular Morbidity and Mortality: A Pooled Analysis of 154 000 Individuals
Notice bibliographique
Résumé
Background Frailty is associated with higher mortality in individuals at high cardiovascular disease ( CVD ) risk. We hypothesize that frailty is a more important prognostic factor than CVD risk factors and aim to determine the prognostic value of a cumulative deficit frailty index in patients with or at high risk for CVD . Methods and Results We conducted an individual‐level pooled analysis of participants with or at risk for CVD , recruited in 14 multicenter clinical trials. The cumulative deficit index was calculated as the proportion of 26 deficits exhibited. Individuals were categorized as nonfrail, prefrail, or frail if they had indexes of ≤0.1, >0.1 to 0.21, or >0.21, respectively. CVD risk was assessed using the Framingham score. Outcomes included CVD event (new or recurrent myocardial infarction, stroke, or heart failure) and mortality. We studied 154 696 patients (mean age, 70.8 years; 63% men) with median follow‐up of 3.2 years. There were 17 535 CVD events and 15 067 deaths. The frail group (n=13 872) had higher risk of a CVD event (incidence rate ratio, 1.97; 95% CI , 1.85–2.08), all‐cause mortality (hazard ratio, 1.91; 95% CI , 1.79–2.03), and CVD mortality (hazard ratio, 1.91; 95% CI , 1.77–2.05) than the nonfrail group (n=101 343). Associations remained unchanged after adjusting for CVD risk factors. The index statistically outperformed the Framingham score in its ability to discriminate CVD events (C‐statistic, 0.60 [95% CI , 0.60–0.61] versus 0.58 [95% CI , 0.57–0.58], respectively; P <0.001). Conclusions In individuals with or at high risk of developing CVD , the cumulative deficit index is associated with increased CVD events and mortality, independent of CVD risk factors, and adds incremental prognostic value.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».