La survenue d’événements cardiovasculaires aigus chez les adultes âgés atteints d’épilepsie
Bibliographic record
Abstract
Objectif : Ce projet vise à estimer les risques de survenue d'événements cardiovasculaires (ÉCV) sur six ans chez les personnes âgées d’au moins 45 ans avec ou sans épilepsie, tout en analysant les effets médiateurs des médicaments anticrise inducteurs enzymatiques (MACIE) et des facteurs de risque cardiovasculaire traditionnels sur l’association entre l’épilepsie et les ÉCV. Méthodes : Ce projet utilise la cohorte « complète » de l’Étude canadienne sur le vieillissement. Les ÉCV incidents (accidents vasculaires cérébraux [AVC], accidents ischémiques transitoires et infarctus du myocarde) étaient auto-rapportés aux suivis de trois et six ans. Les individus ayant des antécédents d’ÉCV au recrutement ont été exclus. Des modèles logistiques ont évalué les nouveaux ÉCV sur six ans en fonction du statut d'épilepsie. Les modèles A ont été ajusté pour l’âge et le sexe; les modèles B en plus pour le revenu du ménage et le niveau d’éducation. L’effet médiateur des MACIE (divisés en MACIE forts et faibles) et des facteurs de risque cardiovasculaire a été estimé. Les données manquantes ont été traitées par imputation multiple. Résultats : Sur 27 230 individus, 431 avaient une histoire à vie d’épilepsie. L’âge moyen (écart type = 10,1) était de 62,3 ans et 52,4% des individus étaient de sexe féminin. Les personnes avec épilepsie étaient plus enclines à subir un ÉCV sur six ans, avec un rapport de cotes (OR) ajusté de 2.20 (intervalle de confiance [IC] à 95% : 1,48; 3,27) dans le modèle B. La prise de MACIE forts était le médiateur principal, expliquant 24.6% (IC à 95% : 6,5%; 54,6%) de cet OR. Les facteurs de risque cardiovasculaire traditionnels montraient des effets de médiation moins importants. Conclusion : L’épilepsie est associée à la survenue d’ÉCV. Presque un tiers de cette association est attribuable aux MACIE.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".