Impact of outcome definitions on cardiovascular risk prediction in a contemporary primary prevention population
Notice bibliographique
Résumé
BACKGROUND: Estimation of an individual's cardiovascular disease (CVD) risk may enhance risk discussion and treatment decisions. Yet, common cardiovascular outcomes such as heart failure (HF) or coronary revascularization are not included in the estimation of atherosclerotic cardiovascular disease (ASCVD) risk. Our objective was to determine the incidence of ASCVD in a contemporary primary prevention population with >10 years of follow-up and how incidence estimates change when incorporating additional cardiovascular endpoints. METHODS: We used the population-level Cardiovascular Health in Ambulatory Care Research Team database of all Ontario residents alive 1 January 2008, aged 30-99 years, and with no prior history of CVD. Individuals were followed to 31 December 2018 for incident first and recurrent cardiovascular events. ASCVD outcomes were defined by hospitalizations for myocardial infarction, stroke, and circulatory death, while global CVD outcomes also included hospitalizations for unstable angina, transient ischemic attacks, peripheral arterial disease, out-of-hospital cardiac arrests, HF, and coronary revascularization. RESULTS: Among 7496 165 individuals free of CVD, their mean age was 50 years (SD: 13.9 years) and 52.3% were women. After 11 years of follow-up, the rate of an incident ASCVD event was 3.95 per 1000 person-years, while the rate of a global CVD event was almost doubled at 6.67 per 1000 person-years. The most common additional first manifestations of CVD were HF, which accounted for 12.0% of additional events and coronary revascularization, which accounted for 12.7%. When considering first and recurrent events, the rate of ASCVD was 5.20 per 1000 person-years, while the rate of all global CVD events was more than double at 10.90 per 1000 person-years. This was mainly due to a higher proportion of recurrent HF (13.8%) and coronary revascularization (23.2%) events. CONCLUSIONS: ASCVD accounts for just over half of all preventable first cardiovascular events and even fewer first and recurrent cardiovascular events in contemporary practice. Estimating broader CVD endpoints may enhance risk-discussions with patients and improve informed decision-making.
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 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 | 0,016 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».