Abstract 034: A Healthy Lifestyle Score Including Sleep Duration And Risk Of Cardiovascular Disease
Notice bibliographique
Résumé
Objectives: The aim of this study was to evaluate the relationship between a lifestyle score including sleep duration and CVD risk, and to estimate whether adding sleep duration into a traditional lifestyle score improved CVD risk prediction. Methods: A prospective analysis was conducted among 67250 women in the Nurses’ Health Study and 29279 men in the Health Professionals Follow-up Study who were followed from 1986 to 2016. The traditional lifestyle score was defined as not smoking, normal BMI(18.5-24.9 kg/m 2 ), ≥30 min/d of moderate physical activity, higher diet quality (top 40% of AHEI), moderate alcohol intake (women:5-15g/day; men:5-30g/day). Low-risk sleep duration, defined as sleeping ≥6 to <8 hours/day, was included as an additional component. Cox proportion hazards regression models were used to estimate hazard ratios (HRs) and 95% confidence intervals (CIs) of CVD, CHD, and stroke. We used the likelihood ratio test and C-statistics to compare the predictive value of the two scores. Results: A total of 11826 incident CVD cases were documented. In multivariable-adjusted models, each low-risk factor was independently and significantly associated with lower risk of CVD, CHD, and stroke. The multivariable-adjusted HRs (95% CIs) comparing six with zero low-risk factors in the healthy lifestyle score were 0.17(0.12, 0.23) for CVD, 0.15(0.10, 0.22) for CHD, and 0.19(0.12, 0.33) for stroke. Approximately 67% of CVD and CHD cases, and 62% stroke cases were attributable to poor adherence to a healthy lifestyle. P- value for likelihood ratio test comparing nested models including the traditional lifestyle score vs traditional lifestyle score plus sleep duration was <0.001. Adding sleep duration to the traditional score prediction model increased the C-statistics from 0.63 (95% CI: 0.62, 0.63) to 0.64 (95% CI: 0.63, 0.65)( P <0.001). Conclusions: Incorporating sleep duration into traditional lifestyle scores improves prediction of CVD risk and warrants consideration for inclusion in lifestyle recommendations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 ».