Abstract 514: Development and Validation of Risk Model for Predicting Prevalence of Peripheral Artery Disease in a Low to Intermediate Risk Population
Notice bibliographique
Résumé
Background: Peripheral artery disease (PAD) is associated with impaired quality of life and significant cardiovascular morbidity and mortality, yet remains under recognized and under diagnosed. Objectives: This study sought to develop and validate a risk model for the identification of individuals at risk for PAD that could be useful in the clinical setting. Methods: Twenty three variables assessed in ≈3.2 million self-referred participants without established cardiovascular disease from 2003 to 2008 who completed a medical and lifestyle questionnaire in the United States were evaluated by screening ankle brachial indices <0.90 for PAD. Subjects were divided into a derivation cohort (1.57 million) and a validation cohort (1.57 million). Lasso variable selection was used in the derivation cohort to develop the best-fitting parsimonious prediction models. Discrimination and calibrations was evaluated using the C statistic and the Hosmer-Lemeshow calibration statistic. Results: The overall prevalence of PAD was 3.96%. Using lasso variable selection, 11 variables were included in complex best-fitting model: age, sex, race, marital status, BMI group, smoking status, hypertension, diabetes, family history of PAD, physical activity, and inter-arm systolic blood pressure difference. In the validation cohort, the C-statistics for this model was .746 and the calibration was excellent (P=0.38; no significant deviation between predicted and observed outcomes). The current risk score has improved discrimination and calibration compared with other existing risk scores for PAD. Conclusion: This robust PAD risk calculator derived from a diverse population across the US provides a good risk estimate of PAD and is anticipated to assist in identifying subjects at risk for PAD.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».