MétaCan
Menu
Retour à la cohorte
Enregistrement W4397043516 · doi:10.1681/asn.20233411s1868c

Cardiovascular Risk Prediction Improvement Using Algorithm- or Formula-Based Pulse Wave Velocity: Analysis of CARTaGENE

2023· article· en· W4397043516 sur OpenAlexaffabout
Louis‐Charles Desbiens, Annie‐Claire Nadeau‐Fredette, Bernhard Hametner, François Madore, Mohsen Agharazii, Rémi Goupil

Notice bibliographique

RevueJournal of the American Society of Nephrology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCentre hospitalier universitaire de QuébecHôpital du Sacré-Cœur de MontréalUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésPulse Wave AnalysisPulse wave velocityPulse (music)MedicineAlgorithmInternal medicineMathematicsCardiologyComputer scienceTelecommunicationsBlood pressure

Résumé

récupéré en direct d'OpenAlex

Background: Carotid-femoral pulse wave velocity (PWV) is the gold-standard measurement for aortic stiffness and a well-established surrogate marker for cardiovascular disease. Faster and less resource-intensive methods to estimate PWV (using either formulas or integrated pulse wave analysis algorithms) have been developed but their incremental predictive value for cardiovascular outcomes remains unclear. Methods: We studied individuals aged between 40 and 69 from the population based CARTaGENE cohort (Quebec, Canada). Baseline PWV was assessed using a previously described estimation formula (formula- based PWV, or f-PWV; using age, sex, and systolic blood pressure) or estimated with the ARCSolver algorithm from central waveform characteristics obtained with the SphygmoCor device (algorithm-based PWV, or a-PWV). Major adverse cardiovascular events (MACE: cardiovascular mortality, non- fatal stroke, non-fatal myocardial infarction) during a 10-year follow-up were obtained from medico-administrative databases. Cox proportional hazards models were employed to obtain associations between PWV and MACE after adjustment for existing cardiovascular risk prediction scores (ASCVD [from revised pooled cohort equations], SCORE-2). Results: 17,548 individuals were included and 2,263 experienced a MACE during follow-up. Mean PWV values at baseline were 8.4 ± 1.4 m/s (f-PWV) and 7.9 ± 1.3 m/s (a-PWV). Both f-PWV (HR= 1.52, 95% CI [1.47-1.58]) and a-PWV (HR=1.60 [1.54-1.66]) were predictive of MACE in unadjusted models. The association between a-PWV and MACE remained significant after adjustment for ASCVD (HR= 1.14 [1.08-1.20]) and but not after adjustment for SCORE-2 (HR= 1.06 [1.00-1.13]). In contrast, f-PWV was not associated with increased MACE after adjustment for either prediction score (HR= 1.02 [0.97-1.08] for ASCVD; HR= 0.95 [0.89-1.00] for SCORE-2). Similar trends were observed after stratification for tertiles of baseline cardiovascular risk. Conclusions: Algorithm-based PWV, but not formula-based PWV, improves cardiovascular prediction beyond what is achievable with recognized prediction tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,244
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of NephrologyMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207