MétaCan
Menu
Retour à la cohorte
Enregistrement W4403397030 · doi:10.1161/hyp.81.suppl_1.p446

Abstract P446: Prediction of Cardiovascular Events by Algorithm- and Formula-based Pulse Wave Velocity: An Analysis of CARTaGENE

2024· article· en· W4403397030 sur OpenAlexaff
Louis‐Charles Desbiens, Annie‐Claire Nadeau‐Fredette, François Madore, Mohsen Agharazii, Rémi Goupil

Notice bibliographique

RevueHypertension · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensHôtel-Dieu de QuébecHôpital du Sacré-Cœur de MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPulse wave velocityAlgorithmPulse Wave AnalysisPulse (music)MedicineCardiologyInternal medicineComputer scienceMathematicsBlood pressureTelecommunications

Résumé

récupéré en direct d'OpenAlex

Background: Carotid-femoral pulse wave velocity (PWV) is a well-known marker of arterial stiffness and a cardiovascular risk factor. Novel estimations of PWV have been developed, but their ability to improve cardiovascular prediction made by clinical risk tools remains controversial. We hypothesized that PWV estimations can improve cardiovascular risk estimation beyong what is achievable from standard risk factors. Methods: Analysis of the population based CARTaGENE cohort, including participants aged between 40 and 69 years. PWV estimations were obtained using published formulas (fPWV) or algorithmic transformation of tonometry-based radial pulse waveforms captured at baseline (aPWV). 10-year cardiovascular risk for each participant was computed using the Atherosclerotic Cardiovascular Disease (ASCVD) and the SCORE-2 risk tools. All participants were passively followed during 10 years for major adverse cardiovascular events (MACE: cardiovascular death, stroke, myocardial infarction). Associations of fPWV and aPWV with MACEs were obtained using Cox models adjusted for ASCVD or SCORE-2 predictions. Results: 17,548 participants were eligible for the study (51.1% female, median age 53 yo, 8.9% diabetes, 13.9% prior cardiovascular disease), from which 2,263 (12.9%) experienced a MACE during follow-up. Mean PWV values at baseline were 8.4 ± 1.4 m/s (fPWV) and 7.9 ± 1.3 m/s (aPWV), and were closely correlated (correlation coefficient= 0.93). Both fPWV (HR= 1.52, 95% CI [1.47-1.58]) and aPWV (HR=1.60 [1.54-1.66]) were predictive of MACE in unadjusted models. Only aPWV remained significantly associated after adjustments for ASCVD (Hazard ratio [HR]= 1.16 [1.09-1.22]) and SCORE-2 (HR= 1.07 [1.00-1.13]). fPWV was significantly associated with MACE after adjustment for ASCVD, but not SCORE-2, only when this was tested in a population with similar exclusions as in the original fPWV derivation cohort. 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
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 Opus0,026
Tête enseignante GPT0,253
Écart entre enseignants0,228 · 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'étudeAutre devis
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHypertensionMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207