健康老年人心血管风险预测-莫纳什大学

摘要

识别主要心血管不良事件(MACE)风险增加的个体很重要。然而，目前还缺乏针对老年人的算法。数据分析来自一项随机试验，涉及18,548名年龄≥70岁(平均年龄75.4岁)、既往无心血管疾病事件、痴呆或身体残疾的参与者。MACE包括冠心病死亡、致死性或非致死性缺血性中风或心肌梗死。测试的潜在预测因子是基于先前的证据并使用机器学习方法。采用Cox回归分析计算5年预测风险，并根据受试者工作特征曲线评估鉴别性。还评估了校准，并使用自举法对结果进行了内部验证。外部验证在25,138名初级保健环境中的健康老年人中进行。在中位随访4.7年期间，发生594例MACE。最终模型的预测因子包括年龄、性别、吸烟、收缩压、高密度脂蛋白胆固醇(HDL-c)、非HDL-c、血清肌酐、糖尿病和抗高血压药物的摄入。 With variable selection based on machine-learning, age, sex and creatinine were the most important predictors. The final model resulted in an area under the curve (AUC) of 68.1 (95% confidence intervals 65.9; 70.4). The model had an AUC of 67.5 in internal and 64.2 in external validation. The model rank-ordered risk well but underestimated absolute risk in the external validation cohort. A model predicting incident MACE in healthy, elderly individuals includes well-recognised, potentially reversible risk factors and notably, renal function. Calibration would be necessary when used in other populations.

原始语言	英语
页面(从)	403 - 413
页数	11
杂志	GeroScience
体积	44
问题数量	1
必须	https://doi.org/10.1007/s11357-021-00486-z
发布状态	发表,2022年2月

关键字

上了年纪的
梅斯
主要心血管不良事件
模型
风险因素
风险预测

联合国西班牙

这一产出有助于以下联合国可持续发展目标(SDGs)

查阅文件

10.1007 / s11357 - 021 - 00486 - z 许可证:CC的

其他文件和链接

链接到Scopus中的出版物

ASPREE竣工项目

麦克尼尔,J。纳尔逊，M。东京,一个。＆森林,R。

国家卫生和医学研究委员会(澳大利亚)金博宝188欢迎你

1/01/16→31/12/18

项目：金博宝188欢迎你
一项随机双盲安慰剂对照试验:阿司匹林在老年人心血管疾病事件或痴呆的一级预防中的作用ID: 334047

麦克尼尔,J。贝林，L. J.，克鲁姆，H.，尼尔森，M.，里德，C. &东京,一个。

国家卫生和医学研究委员会(澳大利亚)金博宝188欢迎你

1/01/05→31/12/09

项目：金博宝188欢迎你

引用这

J. T.诺伊曼。，邵，李婷萍。卡兰德，E。乔杜里，E。，威廉森，j.d.，尼尔森，m.r.，唐南，G。伍兹，r.l.。里德，c.m.。Poppe, k.k.， Jackson, R。，东京，上午。麦克尼尔，J. J.。(2022)。健康老年人心血管疾病风险预测。GeroScience，44(1), 403 - 413。https://doi.org/10.1007/s11357-021-00486-z

@article {0370 fdadf0074f0e9b8d34d0572360d7,

title = "健康老年人心血管风险预测"，

识别主要心血管不良事件(MACE)风险增加的个体很重要。然而，目前还缺乏针对老年人的算法。数据分析来自一项随机试验，涉及18,548名年龄≥70岁(平均年龄75.4岁)、既往无心血管疾病事件、痴呆或身体残疾的参与者。MACE包括冠心病死亡、致死性或非致死性缺血性中风或心肌梗死。测试的潜在预测因子是基于先前的证据并使用机器学习方法。采用Cox回归分析计算5年预测风险，并根据受试者工作特征曲线评估鉴别性。还评估了校准，并使用自举法对结果进行了内部验证。外部验证在25,138名初级保健环境中的健康老年人中进行。在中位随访4.7年期间，发生594例MACE。最终模型的预测因子包括年龄、性别、吸烟、收缩压、高密度脂蛋白胆固醇(HDL-c)、非HDL-c、血清肌酐、糖尿病和抗高血压药物的摄入。 With variable selection based on machine-learning, age, sex and creatinine were the most important predictors. The final model resulted in an area under the curve (AUC) of 68.1 (95% confidence intervals 65.9; 70.4). The model had an AUC of 67.5 in internal and 64.2 in external validation. The model rank-ordered risk well but underestimated absolute risk in the external validation cohort. A model predicting incident MACE in healthy, elderly individuals includes well-recognised, potentially reversible risk factors and notably, renal function. Calibration would be necessary when used in other populations.",

关键词:老年人，MACE，主要心血管不良事件，模型，危险因素，风险预测

作者=“诺伊曼，{Johannes T.}和Thao， {Le T.P.}， Emily Callander, Enayet Chowdhury和Williamson， {Jeff D.}和Nelson， {Mark R.}和Geoffrey Donnan和Woods， {Robyn L.}和Reid， {Christopher M.}和Poppe， {Katrina K.}和Rod Jackson和Tonkin， {Andrew M.}和McNeil， {John J.}”，

注= "资助信息:由Projekt DEAL启用和组织的开放获取资助。这项工作得到了美国国立卫生研究院国家老龄化研究所和国家癌症研究所的资助(U01AG029824和U19AG062682)，澳大利亚国家卫生和医学研究委员会的资助(334047和1127060)，以及莫纳什大学和维多利亚癌症机构的支持。金博宝188欢迎你PREDICT验证数据得到了新西兰卫生研究理事会项目资助03/183、08/121和项目资助11/800金博宝188欢迎你的支持。J.N.获得了德意志研究基金(NE 2165/金博宝188欢迎你1-1)的研究奖学金。C.M.R.通过NHMRC主要研究奖学金(APP 1136372)得到支持。金博宝188欢迎你KKP拥有新西兰心脏基金会高级奖学金。出版商版权:{\textcopyright} 2021，作者。

年份= "2022"，

月=二月;

Doi = "10.1007/s11357-021-00486-z"，

language =“英语”，

Volume = "44"，

页面=“403—413”，

journal = "GeroScience";

Issn = "2509-2715"，

出版社= "Springer"，

Number = "1"，

}

谢谢你。

T1 -健康老年人心血管风险预测

约翰内斯·诺伊曼。

AU - Thao, Le T.P.

AU -卡兰德，艾米丽

AU - Chowdhury, Enayet

杰夫·威廉森。

AU - Nelson, Mark R。

AU - Donnan, Geoffrey

罗宾·伍兹。

克里斯托弗·里德。

AU - Poppe, Katrina K。

杰克逊，罗德

AU - Tonkin, Andrew M。

约翰·麦克尼尔。

N1 -资助信息:开放获取资助由Projekt DEAL启用和组织。这项工作得到了美国国立卫生研究院国家老龄化研究所和国家癌症研究所的资助(U01AG029824和U19AG062682)，澳大利亚国家卫生和医学研究委员会的资助(334047和1127060)，以及莫纳什大学和维多利亚癌症机构的支持。金博宝188欢迎你PREDICT验证数据得到了新西兰卫生研究理事会项目资助03/183、08/121和项目资助11/800金博宝188欢迎你的支持。J.N.获得了德意志研究基金(NE 2165/金博宝188欢迎你1-1)的研究奖学金。C.M.R.通过NHMRC主要研究奖学金(APP 1136372)得到支持。金博宝188欢迎你KKP拥有新西兰心脏基金会高级奖学金。出版社版权所有:©2021，作者。

Py - 2022/2

Y1 - 2022/2

N2 -识别主要不良心血管事件(MACE)风险增加的个体很重要。然而，目前还缺乏针对老年人的算法。数据分析来自一项随机试验，涉及18,548名年龄≥70岁(平均年龄75.4岁)、既往无心血管疾病事件、痴呆或身体残疾的参与者。MACE包括冠心病死亡、致死性或非致死性缺血性中风或心肌梗死。测试的潜在预测因子是基于先前的证据并使用机器学习方法。采用Cox回归分析计算5年预测风险，并根据受试者工作特征曲线评估鉴别性。还评估了校准，并使用自举法对结果进行了内部验证。外部验证在25,138名初级保健环境中的健康老年人中进行。在中位随访4.7年期间，发生594例MACE。最终模型的预测因子包括年龄、性别、吸烟、收缩压、高密度脂蛋白胆固醇(HDL-c)、非HDL-c、血清肌酐、糖尿病和抗高血压药物的摄入。 With variable selection based on machine-learning, age, sex and creatinine were the most important predictors. The final model resulted in an area under the curve (AUC) of 68.1 (95% confidence intervals 65.9; 70.4). The model had an AUC of 67.5 in internal and 64.2 in external validation. The model rank-ordered risk well but underestimated absolute risk in the external validation cohort. A model predicting incident MACE in healthy, elderly individuals includes well-recognised, potentially reversible risk factors and notably, renal function. Calibration would be necessary when used in other populations.

AB -识别主要心血管不良事件(MACE)风险增加的个体很重要。然而，目前还缺乏针对老年人的算法。数据分析来自一项随机试验，涉及18,548名年龄≥70岁(平均年龄75.4岁)、既往无心血管疾病事件、痴呆或身体残疾的参与者。MACE包括冠心病死亡、致死性或非致死性缺血性中风或心肌梗死。测试的潜在预测因子是基于先前的证据并使用机器学习方法。采用Cox回归分析计算5年预测风险，并根据受试者工作特征曲线评估鉴别性。还评估了校准，并使用自举法对结果进行了内部验证。外部验证在25,138名初级保健环境中的健康老年人中进行。在中位随访4.7年期间，发生594例MACE。最终模型的预测因子包括年龄、性别、吸烟、收缩压、高密度脂蛋白胆固醇(HDL-c)、非HDL-c、血清肌酐、糖尿病和抗高血压药物的摄入。 With variable selection based on machine-learning, age, sex and creatinine were the most important predictors. The final model resulted in an area under the curve (AUC) of 68.1 (95% confidence intervals 65.9; 70.4). The model had an AUC of 67.5 in internal and 64.2 in external validation. The model rank-ordered risk well but underestimated absolute risk in the external validation cohort. A model predicting incident MACE in healthy, elderly individuals includes well-recognised, potentially reversible risk factors and notably, renal function. Calibration would be necessary when used in other populations.

KW -长者

Kw - mace

KW -主要不良心血管事件

KW -模型

KW -风险因素

KW -风险预测

UR - http://www.scopus.com/inward/record.url?scp=85118871671&partnerID=8YFLogxK

U2 - 10.1007/s11357-021-00486-z

DO - 10.1007/s11357-021-00486-z

M3 -文章

C2 - 34762275

scopus:85118871671

Vl - 44

Sp - 403

Ep - 413

JO -地质科学

JF -地球科学

Sn - 2509-2715

是- 1

呃- - - - - -

健康老年人心血管疾病风险预测

摘要

关键字

联合国西班牙

查阅文件

其他文件和链接

项目

ASPREE竣工项目

一项随机双盲安慰剂对照试验:阿司匹林在老年人心血管疾病事件或痴呆的一级预防中的作用ID: 334047

引用这