Abstract 11451: Development and Validation of the CANHEART Population-Based Laboratory Prediction Models for Atherosclerotic Cardiovascular Disease
Notice bibliographique
Résumé
Background: The use of atherosclerotic cardiovascular disease (ASCVD) prediction models is suboptimal in clinical practice partly because of the need to gather history, physical and laboratory measures. Automation of risk assessment using only demographic and laboratory results may overcome this limitation. Our objective was to develop and validate sex-specific prediction models for ASCVD using age and routine laboratory tests and compare their performance to the Pooled Cohort Equations (PCEs). Methods: Models were derived and internally validated in Ontario residents aged 40 to 75 years without cardiovascular disease who had outpatient laboratory testing from April 1, 2009 to December 31, 2015. Estimates of the 5-year risk of ASCVD (myocardial infarction, stroke, death from ischemic heart or cerebrovascular disease) were obtained from Fine-Gray models that included age, total cholesterol, high-density lipoprotein cholesterol, triglycerides, hemoglobin, mean corpuscular volume, platelets, leukocytes, estimated glomerular filtration rate, and glucose as predictors. Models were externally validated in a primary care cohort assembled from electronic medical record data and compared with the PCEs. Results: Sex-specific models were developed and internally validated in 2,160,497 women and 1,833,147 men. They were well calibrated with less than 2% relative difference between mean predicted and observed risk. The C-statistic was 0.77 in women and 0.72 in men. External validation in 31,697 primary care patients demonstrated less than 15% relative and less than 0.3% absolute difference in mean predicted and observed risks ( Figure ). The C-statistics for the lab models were 0.72 for both sexes and were not significantly different from the C-statistics for the PCEs in women (p=0.18 for difference) or men (p=0.35). Conclusions: We developed and validated the CANHEART Lab Models that predict ASCVD with similar accuracy to more complex models such as the PCEs.
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 | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».