Estimated 10-year risk of recurrent cardiovascular events and potential health benefits of secondary prevention in people with HIV
Notice bibliographique
Résumé
OBJECTIVE: People with HIV (PWH) with atherosclerotic cardiovascular disease (ASCVD) are at high risk of recurrent cardiovascular events. However, its drivers and impact of specific interventions are largely unknown. Therefore, we estimated the 10-year recurrence risk and the potential benefits of guideline-recommended interventions in a large cohort of PWH and controls. DESIGN: PWH from the ATHENA cohort with prior ASCVD were included and 1 : 1 matched for nonmodifiable risk factors (age, sex, type of ASCVD manifestation, and years since first event) to controls without HIV from the UCC-SMART cohort. METHODS: The SMART2 model was applied to estimate the 10-year risk of recurrent cardiovascular events. Subsequently, the effects of the following interventions were estimated: smoking cessation, initiation of antithrombotics, achieving systolic blood pressure <140 mmHg, and achieving low-density lipoprotein cholesterol (LDL-c) <1.4 mmol/l. RESULTS: A total of 1247 PWH and 1247 matched controls were included. The estimated 10-year recurrence risk in PWH was significantly higher [22% (IQR 16-31%) versus 20% (IQR 14%-29%)], primarily driven by a higher smoking prevalence. Attainment of targets potentially averts up to 113 events per 1000 PWH treated, largely attributed to smoking cessation and lipid-lowering treatment (35 and 46 averted events). In the highest-risk PWH, half of the recurrent events might be prevented with intensified treatment. CONCLUSIONS: The estimated 10-year risk of recurrent cardiovascular events in PWH with prior ASCVD exceeds that of matched individuals without HIV. Our results indicate that stringent adherence to risk factor-targeted interventions is key and could avert many events in this at-risk population.
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 ».