Calcium score: what do the most reliable guidelines recommend? An analysis using the G-TRUST tool
Notice bibliographique
Résumé
INTRODUCTION: In 2023, cardiovascular disease was the leading cause of death worldwide. Various risk calculation tools based on risk factors can be used to estimate this risk. Calculating the coronary calcium score should allow us to assess this risk at an individual level. There is no consensus in the various good clinical practice guidelines (CPG) on the use of this score. The aim of this study was to assess the reliability of the various CPGs for the use of the calcium score in primary prevention. METHODS: CPGs published between 2018 and 2023 whose recommendations included advice on the use of CSC in primary prevention cardiovascular risk assessment for the general population was searched via Pubmed. The G-TRUST evaluation grid was then applied to the CPGs to determine which fell into the "reliable and relevant" category. RESULTS: 467 publications were identified via Pubmed. Only seven met the inclusion criteria. Of these seven CPGs, only two obtained an overall score of "reliable and relevant." The other five were assessed as "not usable" because of the risk of conflicts of interest, the absence of a systematic review, or the absence of patients' opinions and wishes. DISCUSSION: The two CPGs selected as reliable and relevant recommended that the CSC should not be used to assess cardiovascular risk, while the five classified as "not usable" recommended its use. G-TRUST is a tool which assesses the quality of the design of a recommendation and not the quality of the guidelines they propose.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».