26
Source de données [1]La liaison de données de recherche sur la pratique clinique (CPRD)) La base de données GOLD, qui compte plus de 19 millions de dossiers de patients au Royaume-Uni à partir de plus de 940 pratiques générales participantes, a été utilisée. Le registre de grossesse CPRD, qui capture les informations provenant des dossiers de livraison de maternité, prénatale, a été utilisé pour identifier les grossesses au sein de l’or CPRD.
Population d’étude
Variables prédictives
Prédicteurs traditionnels
Les facteurs de risque traditionnels de la MCV ont été obtenus à partir de l’algorithme QRISK®3 [15].These were age, ethnicity, deprivation (quintiles of Townsend score), systolic blood pressure (SBP), standard deviation of at least two SBP measurements, body mass index (BMI), total/HDL cholesterol ratio, smoking status, family history of CVD in a first degree relative aged less than 60, diabetes, rheumatoid arthritis, atrial fibrillation, chronic kidney Maladie, diagnostic de migraine, utilisation des corticostéroïdes, lupus érythémateux systémique, antipsychotiques atypiques, traitement actuel de l’hypertension (au moins l’un des inhibiteurs de thiazide, β, bloqueur de canaux calciques ou inhibiteur de l’enzyme convertissant l’angiotensine), et diagnostic de maladie mentale sévère. Semblable à QRISK® – 3, les médicaments (traitement pour l’hypertension, les corticostéroïdes et les antipsychotiques atypiques) ont été mesurés comme au moins deux ordonnances avant la date d’indexation avec la dernière prescription enregistrée dans les 28 jours suivant la date d’indexation. Pour tous les autres prédicteurs, les dernières informations enregistrées dans la pratique générale avant l’obtention de la date d’index.
Tous les prédicteurs candidats ont été évalués pour quantifier les données manquantes, identifier les valeurs aberrantes et s’assurer que les unités de mesure correctes ont été utilisées. Les définitions des prédicteurs candidats sont fournies dans le fichier supplémentaire 1: Tableau 1[Livingstone S,“`html
QRISK®-3 and Postpartum Cardiovascular Risk Assessment
Understanding QRISK®-3
QRISK®-3 is a risk prediction algorithm developed by the University of Nottingham to estimate the 10-year risk of a first cardiovascular event, including myocardial infarction (heart attack) and stroke.It incorporates readily available clinical data,including age,sex,ethnicity,smoking status,diabetes,hypertension,cholesterol levels,and chronic kidney disease
. Unlike some older risk scores, QRISK®-3 doesn’t include total cholesterol or blood pressure measurements, focusing on factors more strongly associated with risk in contemporary populations.
Evaluating Model Performance
Assessing the performance of any risk prediction model is crucial before clinical implementation.Several methods are used to evaluate QRISK®-3’s predictive ability, especially when applied to a new population like postpartum women.
Calibration
calibration refers to how well the predicted risks align with observed event rates. A well-calibrated model will have predicted risks that closely match the actual proportion of events occurring at those risk levels. Calibration is frequently enough assessed visually using calibration plots, and statistically using the Hosmer-Lemeshow test. A key metric used to quantify calibration is the calibration slope, derived from complementary log-log transformed predicted risks [26, 27]. Une pente de 1 indique un étalonnage parfait, tandis que les écarts par rapport à 1 suggèrent une erreur d’alimentation.
discrimination
La discrimination mesure la capacité du modèle à faire la distinction entre les individus qui seront et ne subiront pas un événement cardiovasculaire. Les mesures courantes pour évaluer la discrimination comprennent la zone sous la courbe caractéristique de fonctionnement du récepteur (AUC-ROC). Un AUC-ROC de 0,5 n’indique aucune capacité discriminatoire, tandis qu’une valeur de 1,0 représente une discrimination parfaite.
Courbes de décision
Les courbes de décision fournissent une évaluation des services publics cliniques, en évaluant les avantages nets de l’utilisation du modèle de prédiction des risques pour guider la prise de décision clinique. Ils considèrent le compromis entre les avantages des véritables positifs (identifiant correctement les individus en danger) et les préjudices des faux positifs (identifiant incorrectement les individus comme étant à risque) et les dommages [28, 29]. Le package «Dcurves» est couramment utilisé pour visualiser les courbes de décision nettes avantage et complot, en utilisant une gamme de probabilités de seuil [28, 30].
Recalibrer QRisk®-3 pour les femmes post-partum
Des études ont montré que l’application de QRisk®-3 directement aux femmes post-partum peut entraîner une erreur d’alimentation, ce qui signifie que les risques prévus ne reflètent pas avec précision le risque observé dans cette population. Cela est probablement dû aux changements physiologiques uniques et aux facteurs de risque associés à la période post-partum. Le recalibrage consiste à ajuster le risque de référence du modèle pour mieux s’aligner sur les taux d’événements observés dans la cohorte spécifique.
Mise à jour du risque de référence
Une approche pour recalibrer QRisk®-3 est de réestimer la valeur de survie de la ligne de base à 10 ans spécifiquement au sein de la cohorte de femmes post-partum plus jeunes. Cela implique de déterminer le taux de survie observé dans cette population et d’utiliser cette valeur pour ajuster les prédictions du modèle. [2].
Principaux à retenir
- QRISK®-3 est un outil précieux pour l’évaluation des risques cardiovasculaires, mais sa soumission directe aux femmes post-partum peut entraîner une mauvaise promotion.
- L’évaluation approfondie du modèle, y compris l’étalonnage, la discrimination et l’évaluation de l’utilité clinique à l’aide des courbes de décision, est essentielle.
- Le recalibrage QRISK®-3 en mettant à jour le risque de base au sein de la population post-partum peut améliorer sa précision et son utilité clinique.