Machine Learning Reveals How Depression Influences Chest Pain Localisation and Its Predictive Value for Coronary Artery Disease
Notice bibliographique
Résumé
BACKGROUND: Depression is independently associated with chest pain and increased cardiovascular risk, regardless of coronary artery disease (CAD) status. However, limited research has examined how chest pain characteristics differ in individuals with and without depression. This study evaluated the relationship between depression and chest pain localisation to inform CAD risk assessment. METHODS: Data from the National Health and Nutrition Examination Survey from 2005 to 2020 were analysed for adults completing the chest pain questionnaire. Survey-weighted propensity score matching created depression-stratified cohorts. Chest pain localisation and inter-regional correlations were compared using survey design-adjusted methods. Random forest models with survey-weighted bootstrap replicates were used to estimate the relative importance of pain locations in predicting CAD, stratified by depression status. RESULTS: A total of 2208 individuals were matched (1104 per cohort). Depressed individuals more frequently reported chest pain in the lower sternum (P = 0.045), left chest (P = 0.002), and epigastrium (P = 0.039). In depressed individuals, atypical pain regions (epigastrium, lower sternum, neck, arms) were more predictive of CAD, whereas in nondepressed individuals, typical regions (chest, upper sternum) were stronger predictors. These findings were robust to temporal validation and stricter definitions of depression. CONCLUSIONS: Depression modifies the predictive value of chest pain localisation for CAD. A "depressed chest pain profile" involving nontraditional locations was more strongly associated with CAD in those with depression, and a more central "nondepressed pain profile" was more predictive in those without. These findings underscore the importance of integrating mental health context into chest pain evaluation.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».