Personalizing cardiovascular risk prediction for patients with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Cardiovascular disease (CVD) risk is increased in SLE and underestimated by general population prediction algorithms. We aimed to develop a novel SLE-specific prediction tool, SLECRISK, to provide a more accurate estimate of CVD risk in SLE. METHODS: We studied patients in the Brigham and Women's Hospital SLE cohort. We collected one-year baseline data including the presence of traditional CVD factors and SLE-related features at cohort enrollment. Ten-year follow-up for the first major adverse cardiovascular event (MACE; myocardial infarction (MI), stroke, or cardiac death) began at day +1 following the baseline period (index date). ICD-9/10 codes identified MACE were adjudicated by board-certified cardiologists. Least absolute shrinkage and selection operator regression selected SLE-related variables to add to the American College of Cardiology/American Heart Association (ACC/AHA) Pooled Cohort Risk Equations 10-year risk Cox regression model. Model fit statistics and performance (sensitivity, specificity, positive/negative predictive value, c-statistic) for predicting moderate/high 10-year risk (≥7.5 %) of MACE were assessed and compared to ACC/AHA, Framingham risk score (FRS), and modified FRS (mFRS). Optimism adjustment internal validation was performed using bootstrapping. RESULTS: We included 1,243 patients with 90 MACEs (46 MIs, 36 strokes, 19 cardiac deaths) over 8946.5 person-years of follow-up. SLE variables selected for the new prediction algorithm (SLECRISK) were SLE activity (remission/mild vs. moderate/severe), disease duration (years), creatinine (mg/dL), anti-dsDNA, anti-RNP, lupus anticoagulant, anti-Ro positivity, and low C4. The sensitivity for detecting moderate/high-risk (≥7.5 %) of MACE using SLECRISK was 0.74 (95 %CI: 0.65, 0.83), which was better than the sensitivity of the ACC/AHA model (0.38 (95 %CI: 0.28, 0.48)). It also identified 3.4-fold more moderate/high-risk patients than the ACC/AHA. Patients who were moderate/high-risk according to SLECRISK but not ACC/AHA, were more likely to be young women with severe SLE and few other traditional CVD risk factors. Model performance between SLECRISK, FRS, and mFRS were similar. CONCLUSION: The novel SLECRISK tool is more sensitive than the ACC/AHA for predicting moderate/high 10-year risk for MACE and may be particularly useful in predicting risk for young females with severe SLE. Future external validation studies utilizing cohorts with more severe SLE are needed.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».