Multimorbidity of cardiovascular disease subtypes in a prospective cohort of 1.2 million UK women
Notice bibliographique
Résumé
OBJECTIVE: Cardiovascular multimorbidity (CVM) is the co-occurrence of multiple cardiovascular disease subtypes (CVDs) in one person. Because common patterns and incidence of CVM are not well-described, particularly in women, we conducted a descriptive study of CVM in the Million Women Study, a large population-based cohort of women. METHODS: UK women aged 50-64 years were followed up using hospital admissions and mortality records for an average of 19 years. CVM was defined as having ≥2 of 19 selected CVDs. The age-specific cumulative incidence of CVM between age 60 and 80 years was estimated. The numbers and proportions of individual, pairs and other combinations of CVDs that comprised incident CVM were calculated. For each individual CVD subtype, age-standardised proportions of the counts of other co-occurring CVDs were estimated. RESULTS: The age-specific likelihood of having CVM nearly doubled every 5 years between age 60 and 80 years. Among 1.2 million women without CVD at study baseline, 16% (n=196 651) had incident CVM by the end of follow-up. Around half of all women with CVM had a diagnosis of ischaemic heart disease (n=102 536) or atrial fibrillation (n=96 022), almost a third had heart failure (n=72 186) and a fifth had stroke (n=40 442). The pair of CVDs with the highest age-adjusted incidence was ischaemic heart disease and atrial fibrillation (18.95 per 10 000 person-years). Over 60% of individuals with any given CVD subtype also had other CVDs, after age standardisation. CONCLUSIONS: CVM is common. The majority of women with any specific CVD subtype eventually develop at least one other. Clinical and public health guidelines for CVD management should acknowledge this high likelihood of CVM.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».