Importance of Clinical, Laboratory, and Genetic Risk Factors for Incident CAD
Notice bibliographique
Résumé
BACKGROUND: Prior work suggests modifiable cardiovascular risk factors (CRFs) account for 80% to 90% of the risk for incident myocardial infarction. The contributions of genetic and other novel CRFs have not been simultaneously assessed in contemporary data sets. METHODS: In the United Kingdom Biobank, CRFs were identified and Cox proportional hazards models with traditional CRFs (hypertension, diabetes, dyslipidemia, waist-to-hip ratio, diet, exercise, alcohol, and socioeconomic deprivation) and contemporary/genetic CRFs (Lp(a) [lipoprotein(a)], hsCRP [high-sensitivity C-reactive protein], familial hypercholesterolemia variants, and polygenic risk score for coronary artery disease) were constructed for coronary artery disease. Coronary artery disease was defined as a first-time myocardial infarction diagnosis or coronary revascularization. R 2 was calculated for each model, and the percent contribution of each individual CRF was calculated by the R 2 percent decrease after its removal. RESULTS: Among 299 707 individuals, the mean (SD) age was 56.2 (8.1) years, and 166 533 (55.6%) were women. Over a median (interquartile range) follow-up of 11.0 (9.6–12.5) years, 17 409 (5.8%) of participants developed myocardial infarction. R 2 increased from the base model (R 2 , 0.021 [0.020–0.022]), to the clinical model (R 2 , 0.045 [0.043–0.046]), to the contemporary/genetic model (R 2 , 0.053 [0.052–0.055]). The most powerful individual CRFs were hypertension (R 2 loss, 15.2% [14.5–17.1]) and polygenic risk score for coronary artery disease (R 2 loss, 12.4% [10.8–13.3]), followed by dyslipidemia (R 2 loss, 3.4% [2.6–3.5]), diabetes (R 2 loss, 2.2% [1.5–2.0]), hsCRP (R 2 loss, 1.8% [1.5–2.0]), and Lp(a) (R 2 loss, 1.5% [1.2–1.8]). CONCLUSIONS: Novel CRFs like polygenic risk score for coronary artery disease, hsCRP, and Lp(a) have similar importance, comparable to traditional CRFs such as hypertension, dyslipidemia, and diabetes, for incident myocardial infarction, highlighting important identifiable residual risk factors.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».