External validation of the systematic coronary risk evaluation 2 (SCORE2) and SCORE2-older persons in cancer patients
Notice bibliographique
Résumé
AIMS: The 2022 European Society of Cardiology cardio-oncology guidelines recommend cardiovascular disease (CVD) risk stratification for cancer patients and suggest using SCORE2 and SCORE2-OP. However, these models have not been validated or specifically adapted for cancer populations. Our aim was to refine the SCORE2 and SCORE2-OP models to accurately predict 10-year fatal and non-fatal CVD risk in cancer patients. METHODS AND RESULTS: We included 1622 patients from the HUNT3 study (2006-08) who were diagnosed with cancer within 4 years after their enrolment and followed until 2023 linked to national registries. The primary outcome was a composite of myocardial infarction (MI), stroke, or CVD mortality. Model performance was assessed using Harrel's C-statistic and calibration curves. Both models were recalibrated by applying a multiplicative adjustment factor based on expected-observed (E/O) ratios. The most prevalent cancers were gastrointestinal (23%), prostate (17%), and breast (14%). Mean age was 65.2 years, 52% were female. During a median follow-up of 8.8 years [inter-quartile range 1.9-12.6], 252 CVD events (39% MI, 36% stroke, 25% CVD deaths) and 708 non-CVD deaths occurred. SCORE2 initially underestimated CVD risk (E/O ratio for men and women: 0.91 and 0.63, respectively) but showed adequate agreement after recalibration. C-statistics for SCORE2 was 0.693 [95% confidence interval (CI) 0.643-0.743], and 0.730 (95% CI 0.676-0.784) after excluding those not surviving the first 2 years. For SCORE2-OP, the C-statistics were 0.586 (95% CI 0.529-0.643) and 0.648 (95% CI 0.577-0.720). CONCLUSION: SCORE2 underestimated CVD risk in cancer patients. After recalibration, the model may serve as a valuable tool for risk stratification in cancer patients.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».