Simplified Approach to Predicting Obstructive Coronary Disease With Integration of Coronary Calcium: Development and External Validation
Notice bibliographique
Résumé
Background The Diamond‐Forrester model was used extensively to predict obstructive coronary artery disease (CAD) but overestimates probability in current populations. Coronary artery calcium (CAC) is a useful marker of CAD, which is not routinely integrated with other features. We derived simple likelihood tables, integrating CAC with age, sex, and cardiac chest pain to predict obstructive CAD. Methods and Results The training population included patients from 3 multinational sites (n=2055), with 2 sites for external testing (n=3321). We determined associations between age, sex, cardiac chest pain, and CAC with the presence of obstructive CAD, defined as any stenosis ≥50% on coronary computed tomography angiography. Prediction performance was assessed using area under the receiver‐operating characteristic curves (AUCs) and compared with the CAD Consortium models with and without CAC, which require detailed calculations, and the updated Diamond‐Forrester model. In external testing, the proposed likelihood tables had higher AUC (0.875 [95% CI, 0.862–0.889]) than the CAD Consortium clinical+CAC score (AUC, 0.868 [95% CI, 0.855–0.881]; P =0.030) and the updated Diamond‐Forrester model (AUC, 0.679 [95% CI, 0.658–0.699]; P <0.001). The calibration for the likelihood tables was better than the CAD Consortium model (Brier score, 0.116 versus 0.121; P =0.005). Conclusions We have developed and externally validated simple likelihood tables to integrate CAC with age, sex, and cardiac chest pain, demonstrating improved prediction performance compared with other risk models. Our tool affords physicians with the opportunity to rapidly and easily integrate a small number of important features to estimate a patient's likelihood of obstructive CAD as an aid to clinical management.
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 | 0,023 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».