Prediction of Five-Year Cardiovascular Disease Risk in People with Type 2 Diabetes Mellitus: Derivation in Nanjing, China and External Validation in Scotland, UK
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: To use routinely collected data to develop a five-year cardiovascular disease (CVD) risk prediction model for Chinese adults with type 2 diabetes with validation of its performance in a population of European ancestry. Methods: People with incident type 2 diabetes and no history of CVD at diagnosis of diabetes between 2008 and 2017 were included in derivation and validation cohorts. The derivation cohort was identified from a pseudonymized research extract of data from the First Affiliated Hospital of Nanjing Medical University (NMU). Five-year risk of CVD was estimated using basic and extended Cox proportional hazards regression models including 6 and 11 predictors respectively. The risk prediction models were internally validated and externally validated in a Scottish population-based cohort with CVD events identified from linked hospital records. Discrimination and calibration were assessed using Harrell's C-statistic and calibration plots, respectively. Results: Mean age of the derivation and validation cohorts were 58.4 and 59.2 years, respectively, with 53.5% and 56.9% men. During a median follow-up time of 4.75 [2.67, 7.42] years, 18,827 (22.25%) of the 84,630 people in the NMU-Diabetes cohort and 8,763 (7.31%) of the Scottish cohort of 119,891 people developed CVD. The extended model had a C-statistic of 0.723 [0.721-0.724] in internal validation and 0.716 [0.713-0.719] in external validation. Conclusions: It is possible to generate a risk prediction model with moderate discriminative power in internal and external validation derived from routinely collected Chinese hospital data. The proposed risk score could be used to improve CVD prevention in people with diabetes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle