Abstract 16998: Gender and Age Specific Baseline Predictors of MACE in PEACE Trial Identified by Machine Learning
Notice bibliographique
Résumé
Introduction: The NHLBI supported Prevention of Events with Angiotensin-Converting Enzyme (ACE) Therapy trial (PEACE) (NCT00000558) found that the addition of ACE inhibitor trandolapril to conventional therapy in 8290 patients with stable coronary artery disease and preserved ejection fraction provided no benefit against MACE (cardiovascular death, nonfatal myocardial infarction, or the need for coronary revascularization), the composite primary endpoint. We reused publicly available individual patient-level PEACE data from NHLBI Data Repository (BioLINCC) to perform hypothesis-generating secondary analyses by machine learning (ML) using random survival forest (RSF) to identify gender and age group specific predictors for MACE. Methods: RSF was performed on 50 baseline variables for the MACE outcome in male and female and in age group (<60, 60-69, >69) cohorts. The top ten predictors identified in each cohort were included in a multivariate analysis using a Cox proportional hazards model with a multiple regression approach. Results: The top 10 predictors for the MACE selected by RSF are shown in Figure 1. Expected cardiovascular (CV) risk predictors like blood pressure, Canadian CV Society angina classification (CCS), age, and a history of various CV procedures consistently emerge amongst the top ten predictors of the primary MACE outcome across all gender and age specific subgroups. Interestingly, RSF also identified renal function biomarkers like serum potassium and glomerular filtration rate as common top ten predictors. Conclusion: Using ML, we uncovered in an unbiased fashion, gender and age groups specific unanticipated top predictors for MACE in PEACE trial. This underscores the value of gender and age specific predictors to examine the efficacy and outcomes of therapeutic interventions in advancing precision and personalized medicine.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 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 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 ».