Notice bibliographique
Résumé
Contexte:Les patients atteints de cardiopathie congénitale (CC) ont grandement bénéficié des progrès de la médecine et de la chirurgie au cours des dernières décennies, ce qui a mené à de meilleurs taux de survie. Jusqu'à 84 % des patients atteints de cardiopathie congénitale survivent actuellement jusqu'à 40 ans, et environ 90 % de tous les décès liés à une cardiopathie congénitale surviennent chez les personnes de plus de 40 ans. Selon Diabète Canada, la prévalence estimée du diabète et du prédiabète combinés en 2023 est de plus de 11,9 millions de personnes, soit 30 % de la population totale. Compte tenu de l'augmentation de l'espérance de vie des patients atteints d'ACHD et de la prévalence croissante du diabète dans la population générale, on s'attend à une proportion croissante de patients atteints d'ACHD atteints de diabète. Cependant, l'impact pronostique du diabète dans la population atteinte d'ACHD demeure incertain. De plus, peu d’études ont exploré si le diabète interagit avec les lésions coronariennes, modulant ainsi la mortalité dans la population atteinte de cardiopathie congénitale.Objectifs et méthodes :Au total, 83 688 patients atteints de cardiopathie congénitale aiguë (CCA) âgés de ≥ 18 ans entre 1983 et 2017 ont été identifiés à partir des dossiers médicaux des CCA du Québec. Cette étude a calculé le taux d’incidence du diabète de type 2 à différents âges chez les patients adultes présentant des lésions coronariennes sévères et non sévères en utilisant la méthodologie des estimateurs d’incidence pratiques (PIE). Des modèles de régression Cox PH ont été réalisés pour évaluer les effets du diabète, de la gravité de la maladie coronarienne et de leur interaction potentielle sur la mortalité toutes causes confondues. Le modèle de prédiction Cox PH et les algorithmes de prédiction d'apprentissage automatique ont ensuite été développés pour prédire la survie à long terme dans la population ACHD atteinte de diabète. Les performances prédictives de survie ont été comparées à l'aide de courbes caractéristiques de fonctionnement du récepteur (ROC) dépendantes du temps.Résultats:La durée médiane de survie était de 20,68 ans (IC à 95 % : 20,26–21,13) dans la cohorte ACHD avec diabète après le diagnostic de diabète et de 25,31 ans (IC à 95 % : 24,35–25,93) dans une cohorte ACHD non diabétique appariée selon l'année de naissance et le sexe du même âge auquel les homologues diabétiques ont été diagnostiqués. Le risque relatif (HR) de mortalité était de 1,37 (IC à 95 % : 1,32–1,42) pour le diabète et de 1,19 (IC à 95 % : 1,03–1,39) pour la gravité de la maladie coronarienne. Le HR du terme d'interaction entre le diabète et la gravité de la maladie coronarienne était de 1,06 (IC à 95 % : 0,85–1,32). Dans le modèle de Cox variable dans le temps, le HR pour le diabète est resté constant à 1,48 (IC à 95 % : 1,42–1,54), tandis que le HR pour la gravité de la maladie coronarienne était le plus élevé au temps zéro à 3,45 (IC à 95 % : 2,72–4,38), suivi d'une baisse à un taux de 8 % (IC à 95 % : 6 %–9 %) pour chaque année supplémentaire de suivi. L'insuffisance cardiaque [HR : 1,65 (IC à 95 % : 1,54–1,76)], le cancer du poumon [HR : 1,56 (IC à 95 % : 1,37–4,32)] et l'insuffisance rénale chronique [HR : 1,55 (IC à 95 % : 1,38–1,73)] étaient de puissants prédicteurs de mortalité parmi la population diabétique atteinte d'ACHD, reconnus systématiquement par le modèle de prédiction de Cox PH et les algorithmes d'apprentissage machine et validés par une analyse ROC dépendante du temps.Conclusion:Des preuves limitées ont été trouvées concernant l’effet de l’interaction entre le diabète et la gravité de la maladie coronarienne sur la mortalité. La gravité de la maladie coronarienne a eu un effet décroissant sur la mortalité au cours de la période d'observation tandis que l'effet du diabète est resté stable. Cette étude a développé des modèles de prédiction de Cox PH et des algorithmes de prédiction d'apprentissage automatique avec de bonnes performances dépendantes du temps pour prédire les facteurs de risque à long terme de mortalité toutes causes confondues chez les ACHD diabétiques. L'insuffisance cardiaque, le cancer du poumon et l'insuffisance rénale chronique étaient de puissants prédicteurs de mortalité reconnus par tous les modèles de prédiction chez les patients atteints d'ACHD et de diabète. Le modèle de prédiction Cox PH et l'algorithme de prédiction Gradient Boosting sont préférés en raison de leurs performances prédicatives stables comparables. Ces observations peuvent fournir une référence clinique pour surveiller et prédire la survie à long terme des patients atteints d’ACHD et de diabète
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».