Health status and cognitive function for risk stratification in chronic coronary and peripheral artery disease
Notice bibliographique
Résumé
BACKGROUND AND AIMS: It is unclear whether health status and cognitive function assessments can augment traditional coronary artery disease (CAD) and peripheral artery disease (PAD) biomedical risk prediction frameworks. We examined the association between health status and cognitive function and subsequent adverse cardiovascular and limb events in CAD and PAD. METHODS AND RESULTS: Stable CAD and PAD patients from the international, multi-centre COMPASS trial completed the visual analogue scale (VAS) of the EQ-5D-3L to assess overall health status, and the Digit Symbol Substitution test (DSST) to assess cognitive function. Main outcomes were incident development of major adverse cardiovascular events, and the combined endpoint major adverse cardiovascular or limb events. The EQ VAS (per 10 unit increase) and DSST (per 5 unit increase) were added to fully adjusted (medications, demographics, cardiovascular history and risk factors) hierarchical Cox regression models. A total of 23 433 patients were in the CAD cohort and 6899 in the PAD cohort. Among both the CAD and PAD groups, higher scores on the EQ VAS (CAD: HR = 0.89, 95%CI 0.88-0.89; PAD HR = 0.89, 95%CI 0.88-0.89) and DSST (CAD HR = 0.95, 95%CI 0.94-0.95) (PAD HR = 0.95, 95%CI 0.94-0.95) were associated with a lower risk of a major adverse cardiovascular or limb events. Population attributable risks associated with the lower two quartiles vs. upper quartiles for the EQ-5D and DSST scores were 7% and 16%, respectively in the CAD cohort; and for PAD, at 14% and 18%, respectively. CONCLUSIONS: Adding health status and cognitive functioning information to biomedical evaluations can augment cardiovascular risk-stratification in CAD and PAD. CLINICALTRIALS.GOV IDENTIFIER: NCT01776424.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».