Discriminative Accuracy of CHA2DS2-VASc Score, and Development of Predictive Accuracy Model Using Machine Learning for Ischemic Stroke Risk in Cardiac Amyloidosis and Atrial Fibrillation
Notice bibliographique
Résumé
Background: CHA2DS2-VASc score in cardiac amyloidosis (CA) with atrial fibrillation (AF) is believed to underestimate ischemic stroke risk, necessitating a better predictive model. Methods: Data were obtained from the National Readmission Database (NRD). Outcomes between CA-AF and no-CA-AF were compared using multivariate regression analysis to calculate adjusted odds ratios (aORs). AutoScore, an interpretable machine learning framework, was used to develop a stroke risk prediction model, and its predictive accuracy was evaluated with an area under the curve (AUC) using the receiver operating characteristic analysis. Results: A total of 11,860,804 (CA-AF 22,687 (0.19%) and no-CA-AF 11,838,117) patients were identified from 2015 to 2019. The adjusted odds of mortality (aOR: 1.41 and 1.29), stroke (aOR: 1.78 and 1.74), non-intracranial hemorrhage (aOR: 2.10 and 1.85), and intracranial hemorrhage (aOR: 14.4 and 4.26) were significantly higher in CA-AF compared with non-CA-AF at both index admission and 30 days, respectively. The CHA2DS2-VASc score had a poor discriminative accuracy for stroke at 30 days in CA-AF (AUC 49%, 95% confidence interval (CI): 47 - 51, P = 0.54). The machine learning autoscore integrative model revealed excellent predictive ability of our newly proposed E-CHADS score (end-stage renal disease (ESRD), congestive heart failure (CHF), hypertension (HTN), cancer, dementia, and diabetes mellitus (DM)) for 30-day risk of ischemic stroke in CA-AF (cutoff of 52 points random forest score) with an AUC of 80% (95% CI: 74 - 86). Conclusions: CA with AF carries a high risk of ischemic stroke that is not accurately predicted by the CHA2DS2-VASc score. Our proposed model (E-CHADS) identifies three new variables (ESRD, dementia, and cancer) that have higher discriminative accuracy for ischemic stroke in these patients.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».