Automated abdominal aortic calcification and major adverse cardiovascular events in people undergoing osteoporosis screening: the Manitoba Bone Mineral Density Registry
Notice bibliographique
Résumé
Vertebral fracture assessment (VFA) images from bone density machines enable the automated machine learning assessment of abdominal aortic calcification (ML-AAC), a marker of cardiovascular disease (CVD) risk. The objective of this study was to describe the risk of a major adverse cardiovascular event (MACE, from linked health records) in patients attending routine bone mineral density (BMD) testing and meeting specific criteria based on age, BMD, height loss, or glucocorticoid use have a VFA in the Manitoba BMD Registry. The cohort included 10 250 individuals (mean age 75.5 yr, 94% women without CVD) with VFA (February 2010 to March 2017). ML-AAC24 scores were categorized (low <2; moderate 2-<6; high ≥6). Over follow-up (mean 3.9 yr), 1265 people (12.3%) experienced a MACE. Among those with low, moderate, and high ML-AAC24, MACE rates per 1000 person-years were 18.4 (95% CI 16.4-20.5), 34.1 (95% CI 30.9-37.4), and 55.6 (95% CI 50.8-60.1), respectively. A similar gradient was observed after stratifying by age and sex. Incidence rate ratios (IRRs) for low vs moderate and high groups were 1.9 (95% CI 1.6-2.2) and 3.0 (95% CI 2.6-3.5), respectively. In those most likely to benefit from pharmaceutical intervention (<80 yr, not on statins), MACE rates among those with low, moderate, and high ML-AAC24 were 13.5 (95% CI 11.5-15.8), 26.0 (95% CI 22.1-30.3) and 44.1 (95% CI 37.0-52.0). Corresponding IRRs for low vs moderate 1.9 (95% CI 1.5-2.4) and high ML-AAC24 was 3.3 (95% CI 2.6-4.1]), respectively. In routine osteoporosis screening, individuals with moderate and high ML-AAC24 had substantially greater MACE rates compared to those with low ML-AAC24. Consequently, AAC detection during osteoporosis screening (especially in women) may guide intensification of preventative cardiovascular strategies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».