Prediction of Sudden Cardiac Arrest in the General Population: Review of Traditional and Emerging Risk Factors
Notice bibliographique
Résumé
Sudden cardiac death (SCD) is the most common and devastating outcome of sudden cardiac arrest (SCA), defined as an abrupt and unexpected cessation of cardiovascular function leading to circulatory collapse. The incidence of SCD is relatively infrequent for individuals in the general population, in the range of 0.03%-0.10% per year. Yet, the absolute number of cases around the world is high because of the sheer size of the population at risk, making SCA/SCD a major global health issue. On the basis of conservative estimates, there are at least 2 million cases of SCA occurring worldwide on a yearly basis. As such, identification of risk factors associated with SCA in the general population is an important objective from a clinical and public health standpoint. This review will provide an in-depth discussion of established and emerging factors predictive of SCA/SCD in the general population beyond coronary artery disease and impaired left ventricular ejection fraction. Contemporary studies on the association of age, sex, race, socioeconomic status, and the emerging contribution of diabetes and obesity to SCD risk beyond their role as atherosclerotic risk factors are reviewed. In addition, the role of biomarkers, particularly electrocardiographic ones, on SCA/SCD risk prediction in the general population are discussed. Finally, the use of machine learning as a tool to facilitate SCA/SCD risk prediction is examined.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».