Les modèles existants de prédiction du risque spécifique à l'AVC et les nouvelles techniques d'apprentissage automatique améliorent-ils la précision discriminative pour les AVC de novo comparativement aux équations de cohortes regroupées chez les individus noirs et blancs sans AVC ni AIT antérieur ?
Les modèles de prédiction du risque d'AVC actuels ne surperforment pas les équations standards de cohortes regroupées et montrent une discrimination moins bonne chez les individus noirs, soulignant la nécessité d'une modélisation améliorée pour traiter les disparités raciales.
Dans cette analyse d'individus noirs et blancs sans AVC ni attaque ischémique transitoire parmi 4 cohortes américaines, les modèles existants de prédiction du risque spécifique à l'AVC et les nouvelles techniques d'apprentissage automatique n'ont pas significativement amélioré la précision discriminative pour les AVC de novo par rapport aux équations de cohortes regroupées, et le modèle d'auto-évaluation REGARDS avait la meilleure calibration. Tous les algorithmes ont montré une discrimination moins bonne chez les individus noirs que chez les individus blancs, indiquant la nécessité d'élargir le répertoire des facteurs de risque et d'améliorer les techniques de modélisation pour traiter les disparités raciales observées et améliorer les performances des modèles.
Hong et al. (Mardi,) ont étudié cette question.