Development and Validation of the CR-DECIDE Models to Predict Major Adverse Cardiovascular Events and Health Status in Stable Coronary Artery Disease
Notice bibliographique
Résumé
Background: Guidelines emphasize individualized care in the management of stable coronary artery disease (CAD). We aimed to develop and validate clinical prediction models for major adverse cardiovascular events (MACEs) and health status among patients with stable CAD to support individualized, shared decision-making. Methods: For model development and internal validation, we used registries of outpatients with obstructive CAD on coronary angiography in British Columbia (2004-2015) and Alberta (2004-2020). Models were externally validated in ISCHEMIA trial participants with obstructive CAD on coronary computed tomography angiography. Outcomes included MACE (death, myocardial infarction, or stroke) within 3 years, angina-free status, and good-to-excellent physical functioning at 1 year, based on the Seattle Angina Questionnaire. Results: Median age was of study patients was 66-67 years, and 77% were male in both the MACE (n = 34,990) and health status (n = 13,312) model development cohorts. MACEs occurred in 9% (2026 patients) at 3 years. A 14-variable model had a C statistic of 0.68, calibration slope of 0.98, and positive net benefit in decision-curve analysis. At baseline, 41% were angina-free and 21% had good-to-excellent physical functioning, which increased to 64.5% and 72% at 1 year, respectively. C statistics for the angina-free and physical functioning models were 0.67 and 0.78, respectively, and calibration slopes were 0.98-0.99. In external validation, discrimination was modestly reduced and all models slightly underpredicted their respective outcomes, yet the MACE model retained positive net benefit. Conclusions: The CR-DECIDE models had moderate ability to predict MACEs and health status in patients with stable CAD and warrant further assessment of their impact at the point of care.
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 | 0,000 | 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 ».