相关实验视频
Updated: Jul 8, 2025
In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
为动脉样硬化心血管疾病开发和验证基于人群的CANHEART实验室预测模型
Maneesh Sud1, Atul Sivaswamy2, Peter C Austin3
1Schulich Heart Program, Sunnybrook Health Sciences Centre, University of Toronto; Institute of Health Policy, Management and Evaluation, University of Toronto; ICES; and Temerty Faculty of Medicine, University of Toronto, Toronto, Ontario, Canada (M.S., I.R., H.C.W., D.T.K.).
新的CANHEART实验室模型使用常规实验室测试预测动脉样硬化心血管疾病 (ASCVD) 风险. 这些模型的准确性与现有方法相似,有助于自动化风险报告和预防性治疗.
科学领域:
- 心脏病学 心脏病学
- 预防医学 预防医学
- 医疗信息学 医疗信息学
背景情况:
- 动脉样硬化心血管疾病 (ASCVD) 的自动风险报告可以改善预防性治疗.
- 实验室结果为简化ASCVD风险评估提供了一个潜在的途径.
研究的目的:
- 通过使用年龄和常规实验室测试,开发和验证特定性别的ASCVD预测模型.
- 将这些基于实验室的新型模型的性能与已建立的聚合队列方程 (PCE) 进行比较.
主要方法:
- 这项研究得出并验证了CANHEART (Cardiovascular Health in Ambulatory Care Research Team) 实验室模型,使用加拿大安大略省的基于人口的队列.
- 模型结合了年龄和常规实验室预测因素,包括脂质,血红蛋白,葡萄糖和功能.
- ASCVD的结局包括心肌梗塞,中风和缺血性心脏病或大脑血管疾病死亡在5年内.
主要成果:
- 性别特定的模型被开发和验证在超过390万个体,显示良好的校准.
- 内部验证结果显示女性的c-统计值为0.77,男性为0.71.
- 外部验证证明了与PCE可比的性能,在预测准确度上没有统计学上显著的差异.
结论:
- CANHEART实验室模型提供了一种经过验证,准确的方法,用于使用现有实验室数据进行ASCVD风险预测.
- 这些模型的预测性能与更复杂的PCE相似.
- 这些发现支持使用基于实验室的模型进行自动化ASCVD风险评估和加强预防护理.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
06:16Signal Acquisition, Score Interpretation, and Economics of a Non-Invasive Point-of-Care Test for Coronary Artery Disease
Published on: August 9, 2024
