Risk prediction in people with acute myocardial infarction in England: a cohort study using data from 1521 general practices
Notice bibliographique
Résumé
OBJECTIVE: To develop prediction models for short-term outcomes following a first acute myocardial infarction (AMI) event (index) or for past AMI events (prevalent) in a national primary care cohort. DESIGN: Retrospective cohort study using logistic regression models to estimate 1-year and 5-year risks of all-cause mortality and composite cardiovascular outcomes. SETTING: Primary care practices in England contributing data to the Clinical Practice Research Datalink (CPRD) Aurum and CPRD GOLD databases between 2006 and 2019. PARTICIPANTS: Patients with an incident (index) or prevalent AMI event. Models were trained on a random 80% sample of CPRD Aurum (n=1018 practices), internally validated on the remaining 20% (n=255) and externally validated using CPRD GOLD (n=248). OUTCOME MEASURES: Discrimination assessed using sensitivity, specificity and area under the receiver operating characteristic curve (AUC). Calibration assessed using calibration plots. RESULTS: In the index (prevalent) cohorts, 94 241 (64 789) patients were included in the training and internal validation sets, and 16 832 (7479) in the external validation set. For the index cohort, AUCs for 1-year [5-year] all-cause mortality were 0.802 (95% CI 0.793 to 0.812) [0.847 (0.841 to 0.853)] internally and 0.800 (0.790 to 0.810) [0.841 (0.835 to 0.847)] externally. For the primary composite outcome (stroke, heart failure and all-cause death), AUCs were 0.763 (0.756 to 0.771) [0.824 (0.818 to 0.830)] internally and 0.748 (0.739 to 0.756) [0.808 (0.801 to 0.815)] externally. Discrimination was higher in the prevalent cohort, particularly for 1-year mortality (AUC: 0.896, 95% CI 0.887 to 0.904). Models excluding treatment variables showed slightly lower but comparable performance. Calibration was acceptable across models. CONCLUSIONS: These models can support clinicians in identifying patients at increased risk of short-term adverse outcomes following AMI, whether newly diagnosed or with a prior history. This can inform monitoring strategies and secondary prevention and guide patient counselling on modifiable risk factors.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».