Sex inequalities in cardiovascular risk prediction
Notice bibliographique
Résumé
AIMS: Evaluate sex differences in cardiovascular disease (CVD) risk prediction, including use of (i) optimal sex-specific risk predictors and (ii) sex-specific risk thresholds. METHODS AND RESULTS: Prospective cohort study using UK Biobank, including 121 724 and 182 632 healthy men and women, respectively, aged 38-73 years at baseline. There were 11 899 (men) and 9110 (women) incident CVD cases (hospitalization or mortality) with a median of 12.1 years of follow-up. We used recalibrated pooled cohort equations (PCEs; 7.5% 10-year risk threshold as per US guidelines), QRISK3 (10% 10-year risk threshold as per UK guidelines), and Cox survival models using sparse sex-specific variable sets (via LASSO stability selection) to predict CVD risk separately in men and women. LASSO stability selection included 12 variables in common between men and women, with 3 additional variables selected for men and 1 for women. C-statistics were slightly lower for PCE than QRISK3 and models using stably selected variables, but were similar between men and women: 0.67 (0.66-0.68), 0.70 (0.69-0.71), and 0.71 (0.70-0.72) in men and 0.69 (0.68-0.70), 0.72 (0.71-0.73), and 0.72 (0.71-0.73) in women for PCE, QRISK3, and models using stably selected variables, respectively. At current clinically implemented risk thresholds, test sensitivity was markedly lower in women than men for all models: at 7.5% 10-year risk, sensitivity was 65.1 and 68.2% in men and 24.0 and 33.4% in women for PCE and models using stably selected variables, respectively; at 10% 10-year risk, sensitivity was 53.7 and 52.3% in men and 16.8 and 20.2% in women for QRISK3 and models using stably selected variables, respectively. Specificity was correspondingly higher in women than men. However, the sensitivity in women at 5% 10-year risk threshold increased to 50.1, 58.5, and 55.7% for PCE, QRISK3, and models using stably selected variables, respectively. CONCLUSION: Use of sparse sex-specific variables improved CVD risk prediction compared with PCE but not QRISK3. At current risk thresholds, PCE and QRISK3 work less well for women than men, but sensitivity was improved in women using a 5% 10-year risk threshold. Use of sex-specific risk thresholds should be considered in any re-evaluation of CVD risk calculators.
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».