Impact of early atherosclerosis imaging on risk stratification, treatment strategy, and potential clinical outcomes in a primary prevention cohort
Notice bibliographique
Résumé
Abstract Background Traditional risk assessment tools primarily rely on clinical risk factors to estimate cardiovascular risk but may fail to accurately identify individuals with subclinical atherosclerosis. This limitation can lead to both over- and undertreatment, potentially affecting clinical outcomes. Early detection of atherosclerosis through imaging may improve risk stratification and guide more personalised prevention strategies. Purpose This study aims to assess the impact of early atherosclerosis imaging on risk stratification, treatment strategy modification, and clinical outcomes in a broad population of asymptomatic adults undergoing cardiovascular risk evaluation. Methods A total of 2,544 asymptomatic adults at the time of referral (mean age: 51.6, 47% women) were enrolled in a single-centre preventive cardiology programme. Patients underwent atherosclerosis imaging (coronary computed tomography angiography [CCTA], coronary artery calcium [CAC] scoring, or carotid ultrasound) based on clinical presentation and patient age. Treatment decisions were guided by imaging findings of atherosclerosis and traditional risk scores, with follow-up for a mean of 4.0 ± 1.7 years. The primary outcome was the observed-to-expected (O/E) ratio of atherosclerotic cardiovascular disease (ASCVD) events. Results Atherosclerosis was detected in 1,328 (52.2%) subjects, including 749 (41.7%) of those classified as low risk by traditional scoring. Imaging-based management resulted in net reclassification for lipid-lowering therapy in 931 (36.7%) of subjects. Observed ASCVD event rates were significantly lower than expected, as calculated from risk estimate models based on risk factors and CCTA and CAC score findings, with an O/E ratio ranging from 0.11 to 0.03. The number needed to treat (NNT) to prevent one myocardial infarction using an early atherosclerosis-based treatment strategy ranged from 14 to 65. Conclusion Incorporating atherosclerosis imaging into routine cardiovascular risk assessment enhances risk stratification, enables personalized treatment strategies, and is associated with a lower rate of cardiovascular events compared to traditional risk-based approaches.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».