Predicting Risk of Atherosclerotic Cardiovascular Disease Using Pooled Cohort Equations in Older Adults With Frailty, Multimorbidity, and Competing Risks
Notice bibliographique
Résumé
Background Assessment of atherosclerotic cardiovascular disease (ASCVD) risk is crucial for prevention and management, but the performance of the pooled cohort equations in older adults with frailty and multimorbidity is unknown. We evaluated the pooled cohort equations in these subgroups and the impact of competing risks. Methods and Results In 4249 community-dwelling adults, aged ≥65 years, from the CHS (Cardiovascular Health Study), we calculated 10-year risk of hard ASCVD. Frailty was determined using the Fried phenotype. Latent class analysis was used to identify individuals with multimorbidity patterns using chronic conditions. We assessed discrimination using the C-statistic and calibration by comparing predicted ASCVD risks with estimated risk using cause-specific and cumulative incidence models, by multimorbidity patterns and frailty status. A total of 917 (21.6%) participants had an ASCVD event, and 706 (16.6%) had a competing event of death. C-statistic was 0.68 in men and 0.69 in women; calibration was good when compared with cause-specific and cumulative incidence estimated risks (males, -0.1% and 3.3%; females, 0.6% and 1.4%). Latent class analysis identified 4 patterns: minimal disease, cardiometabolic, low cognition, musculoskeletal-lung depression. In the cardiometabolic pattern, ASCVD risk was overpredicted compared with cumulative incidence risk in men (7.4%) and women (6.8%). Risk was underpredicted in men (-10.7%) and women (-8.2%) with frailty compared with cause-specific risk. Miscalibration occurred mostly at high predicted risk ranges. Conclusions ASCVD prediction was good in this cohort of adults aged ≥65 years. Although calibration varied by multimorbidity patterns, frailty, and competing risks, miscalibration was mostly present at high predicted risk ranges and thus less likely to alter decision making for primary prevention therapy.
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 | 0,017 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,001 |
| 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 | 0,001 | 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 ».