Clustering of Social Determinants of Health and their Association with Adverse Cardiovascular Outcomes in Atrial Fibrillation
Notice bibliographique
Résumé
Abstract Background Despite improvements in diagnostic and therapeutic options, individuals with atrial fibrillation (AF) remain at high risk for major adverse cardiovascular events (MACE). Social determinants of health (SDOH) are strongly associated with cardiovascular outcomes, yet the complex patterns through which these factors cluster to create distinct vulnerability profiles remain poorly understood. Methods We conducted a latent class analysis utilizing data from the UK Biobank cohort, examining 15 SDOH indicators across economic, psychological, and neighborhood domains among 3,842 participants with AF (35.1% female). Multi-group latent class analysis (LCA) evaluated differences in vulnerability pattern distribution, and explored whether SDOH clusters of vulnerability varies by sex. Cox proportional hazards models assessed the association between identified SDOH clusters and composite cardiovascular outcomes comprising major adverse cardiovascular events (MACE) and all-cause mortality. Results We identified five distinct SDOH vulnerability clusters based on multi-group LCA: 1) low vulnerability across all domains; 2) primarily economic vulnerability; 3) primarily neighborhood-related vulnerability; 4) economic and neighborhood vulnerability with favorable psychological conditions; and 5) high vulnerability across all domains. Male participants demonstrated a higher representation in more advantaged profiles than their female counterpart (Cluster 1: 37.0% vs. 26.6%; Cluster 4: 25.3% vs. 14.1%). Female participants exhibited the greater representation in the overall highest vulnerability cluster(Cluster 5: 35.1% vs. 25.2%) as compared with male participants. Compared to Cluster 1, individuals with AF from classes with adverse economic conditions (Cluster 2, 4 and 5) had a higher risk of MACE events with individuals in Cluster 5 having twice the risk. No sex interactions were observed with SDOH clusters in their association with MACE. Conclusions We identified five distinct SDOH vulnerability patterns among individuals with AF, revealing economic determinants as pivotal drivers of cardiovascular risk. These findings provide an evidence-based framework for implementing precision medicine approaches that incorporate comprehensive SDOH assessment into AF clinical management.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».