Bayesian network modelling study to identify factors influencing the risk of cardiovascular disease in Canadian adults with hepatitis C virus infection
Notice bibliographique
Résumé
Objectives The present study evaluates the extent of association between hepatitis C virus (HCV) infection and cardiovascular disease (CVD) risk and identifies factors mediating this relationship using Bayesian network (BN) analysis. Design and setting A population-based cross-sectional survey in Canada. Participants Adults from the Canadian Health Measures Survey (n=10 115) aged 30 to 74 years. Primary and secondary outcome measures The 10-year risk of CVD was determined using the Framingham Risk Score in HCV-positive and HCV-negative subjects. Using BN analysis, variables were modelled to calculate the probability of CVD risk in HCV infection. Results When the BN is compiled, and no variable has been instantiated, 73%, 17% and 11% of the subjects had low, moderate and high 10-year CVD risk, respectively. The conditional probability of high CVD risk increased to 13.9%±1.6% (p<2.2×10-16) when the HCV variable is instantiated to ‘Present’ state and decreased to 8.6%±0.2% when HCV was instantiated to ‘Absent’ (p<2.2×10-16). HCV cases had 1.6-fold higher prevalence of high-CVD risk compared with non-infected individuals (p=0.038). Analysis of the effect modification of the HCV-CVD relationship (using median Kullback-Leibler divergence; DKL) showed diabetes as a major effect modifier on the joint probability distribution of HCV infection and CVD risk (DKL=0.27, IQR: 0.26 to 0.27), followed by hypertension (0.24, IQR: 0.23 to 0.25), age (0.21, IQR: 0.10 to 0.38) and injection drug use (0.19, IQR: 0.06 to 0.59). Conclusions Exploring the relationship between HCV infection and CVD risk using BN modelling analysis revealed that the infection is associated with elevated CVD risk. A number of risk modifiers were identified to play a role in this relationship. Targeting these factors during the course of infection to reduce CVD risk should be studied further.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».