Does Arterial Stiffness Predict Cardiovascular Disease in Older Adults With an Intellectual Disability?
Notice bibliographique
Résumé
BACKGROUND: Arterial stiffness has been associated with an increased risk of cardiovascular disease (CVD) in some patient populations. OBJECTIVES: The aims of this study were to investigate (1) whether there is an association between arterial stiffness, as measured by the Mobil-O-Graph, and risk for CVD in a population of individuals with intellectual disability and (2) whether arterial stiffness can predict the risk for CVD. METHODS: This cross-sectional study included 58 individuals who participated in wave 4 of the Intellectual Disability Supplement to the Irish Longitudinal Study on Aging (2019-2020). Statistical models were used to address the first aim, whereas machine learning models were used to improve the accuracy of risk predictions in the second aim. RESULTS: Sample characteristics were mean (SD) age of 60.69 (10.48) years, women (62.1%), mild/moderate level of intellectual disability (91.4%), living in community group homes (53.4%), overweight/obese (84.5%), high cholesterol (46.6%), alcohol consumption (48.3%), hypertension (25.9%), diabetes (17.24%), and smokers (3.4%). Mean (SD) pulse wave velocity (arterial stiffness measured by Mobil-O-Graph) was 8.776 (1.6) m/s. Cardiovascular disease risk categories, calculated using SCORE2, were low-to-moderate risk (44.8%), high risk (46.6%), and very high risk (8.6%). Using proportional odds logistic regression, significant associations were found between arterial stiffness, diabetes diagnosis, and CVD risk SCORE2 ( P < .001). We also found the Mobil-O-Graph can predict risk of CVD, with prediction accuracy of the proportional odds logistic regression model approximately 60.12% (SE, 3.2%). Machine learning models, k -nearest neighbor, and random forest improved model predictions over and above proportional odds logistic regression at 75.85% and 77.7%, respectively. CONCLUSIONS: Arterial stiffness, as measured by the noninvasive Mobil-O-Graph, can be used to predict risk of CVD in individuals with intellectual disabilities.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».