Incorporating behavioural and psychological factors into cardiovascular disease risk prediction models: protocol for a systematic review
Notice bibliographique
Résumé
OBJECTIVES: This systematic review aims to: (1) evaluate how behavioural and psychological factors have been incorporated into cardiovascular disease (CVD) risk prediction models; (2) assess their impact on model performance metrics such as area under the curve (AUC) and net reclassification index (NRI); and (3) identify which specific variables are most consistently associated with predictive improvements. This protocol is reported in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analyses protocols (PRISMA-P) 2015, and the systematic review will follow the Cochrane Handbook and report findings based on PRISMA 2020. DESIGN: A systematic review protocol developed in accordance with the (PRISMA-P) 2015 guidelines. DATA SOURCES: Systematic searches will be carried out in PubMed, Scopus, Web of Science and Google Scholar, limited to studies published from 2019 to 2024. ELIGIBILITY CRITERIA: Peer-reviewed original studies involving adult populations (≥18 years) at risk of CVD, incorporating at least one behavioural or psychological variable into a CVD risk prediction model. Studies must report model performance metrics such as AUC or NRI. Studies focusing solely on biochemical or demographic factors, paediatric populations, or non-CVD outcomes will be excluded. DATA EXTRACTION AND SYNTHESIS: Two independent reviewers will screen eligible studies, extract data and assess study quality using the Newcastle-Ottawa Scale and Quality in Prognostic Studies tool. A narrative synthesis will be performed, with meta-analysis conducted if feasible. ETHICS AND DISSEMINATION: Ethical approval is not required for this study. Findings will be disseminated through peer-reviewed publication and conference presentations. PROSPERO REGISTRATION NUMBER: CRD420251014218.
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 | 0,012 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| 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 ».