Development and Validation of the Hypertension Population Risk Tool: A Population-Based Diagnostic Algorithm for Canadians
Notice bibliographique
Résumé
Abstract Objectives Effective, equitable hypertension prevention requires an understanding of which populations are at risk. We aimed to develop and validate the Hypertension Population Risk Tool (HTNPoRT) - a diagnostic model derived with only readily available data, suitable for individual screening and population health planning. Methods We analyzed data from the Canadian Health Measures Survey (cycles 1–6, 2007–2019). The study included community-dwelling respondents aged 20–79 years. The primary outcome was hypertension, defined as measured systolic/diastolic blood pressure of 140/90 mm Hg or current antihypertensive medication use. Sex-specific logistic regression models were developed using 16 predictors, including 4 sociodemographic, 3 psychosocial, 2 health status, 5 health behavioural, and 2 chronic condition variables. The model was fully prespecified, including the stepdown procedure to derive parsimonious models. Results Of 19,643 participants, 5,152 (26.2%) had hypertension. The final models included age, body mass index, diabetes, and family history of hypertension. Optimism-corrected c-statistics were 0.86 (95% CI: 0.85–0.87) for men and 0.88 (95% CI: 0.87–0.88) for women. Calibration showed relative differences between observed and predicted risk of 1.02% (men) and 1.41% (women), and consistent performance across 179 of 181 policy-relevant subgroups. Predicted hypertension risk in Canada varied but rose markedly with older age, diabetes, and obesity. Conclusions HTNPoRT is a well-performing predictive algorithm that relies only on minimal non-invasive, self-reported data. It is suitable for both individual risk screening and population-level surveillance to inform hypertension prevention strategies targeting both the general population and high-risk groups.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».