A machine learning-based score for precise echocardiographic assessment of cardiac remodelling in hypertensive young adults
Notice bibliographique
Résumé
Abstract Aims Accurate staging of hypertension-related cardiac changes, before the development of significant left ventricular hypertrophy, could help guide early prevention advice. We evaluated whether a novel semi-supervised machine learning approach could generate a clinically meaningful summary score of cardiac remodelling in hypertension. Methods and results A contrastive trajectories inference approach was applied to data collected from three UK studies of young adults. Low-dimensional variance was identified in 66 echocardiography variables from participants with hypertension (systolic ≥160 mmHg) relative to a normotensive group (systolic < 120 mmHg) using a contrasted principal component analysis. A minimum spanning tree was constructed to derive a normalized score for each individual reflecting extent of cardiac remodelling between zero (health) and one (disease). Model stability and clinical interpretability were evaluated as well as modifiability in response to a 16-week exercise intervention. A total of 411 young adults (29 ± 6 years) were included in the analysis, and, after contrastive dimensionality reduction, 21 variables characterized >80% of data variance. Repeated scores for an individual in cross-validation were stable (root mean squared deviation = 0.1 ± 0.002) with good differentiation of normotensive and hypertensive individuals (area under the receiver operating characteristics 0.98). The derived score followed expected hypertension-related patterns in individual cardiac parameters at baseline and reduced after exercise, proportional to intervention compliance (P = 0.04) and improvement in ventilatory threshold (P = 0.01). Conclusion A quantitative score that summarizes hypertension-related cardiac remodelling in young adults can be generated from a computational model. This score might allow more personalized early prevention advice, but further evaluation of clinical applicability is required.
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 | 0,012 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».