Derivation and External Validation of a Clinical Model to Predict Heart Failure Onset in Patients with Incident Diabetes
Notice bibliographique
Résumé
Objective: Heart failure (HF) often develops in patients with diabetes and is recognized for its role in increased cardiovascular morbidity and mortality in this population. Most existing models predict risk in patients with prevalent rather than incident diabetes and fail to account for sex differences in HF risk factors. We derived sex-specific models in Ontario, Canada to predict HF at diabetes onset and externally validated these models in the UK. Research Design and Methods: Retrospective cohort study using international population-based data. Our derivation cohort comprised all Ontario residents aged ≥18 years, who were diagnosed with diabetes between 2009-2018. Our validation cohort comprised UK patients aged ≥35 years, who were diagnosed with diabetes between 2007-2017. Primary outcome was incident HF. Sex-stratified multivariable Fine and Gray subdistribution hazard models were constructed, with death as a competing event. Results: A total of 348,027 Ontarians (45% women) and 54,483 UK residents (45% women) were included. At 1, 5, and 9 years, respectively in the external validation cohort, the C-statistics were 0.81 (95%CI: 0.79-0.84), 0.79 (0.77-0.80), and 0.78 (0.76-0.79) for the female-specific model; 0.78 (0.75-0.80), 0.77 (0.76-0.79), and 0.77 (0.75-0.79) for the male-specific model. The models were well-calibrated. Age, rurality, hypertension duration, hemoglobin, HbA1C, and cardiovascular diseases were common predictors in both sexes. Additionally, mood disorder and alcoholism (heavy drinker) were female-specific predictors, while income and liver disease were male-specific predictors. Conclusions: Our findings highlight the importance of developing sex-specific models and represent an important step towards personalized lifestyle and pharmacologic prevention of future HF development.
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 | 0,015 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».