Supplementary Material to Rospleszcz et al “Validation of the 30-year Framingham Risk Score in a

German population-based cohort”

Supplementary Table S1: STROBE Statement—Checklist of items that should be included in

reports of cohort studies

Item Page
No Recommendation No
Title and abstract 1 (a) Indicate the study’s design with a commonly used term in the title 1
or the abstract
(b) Provide in the abstract an informative and balanced summary of 3
what was done and what was found
Introduction
Background/rationale 2 Explain the scientific background and rationale for the investigation 5
being reported
Objectives 3 State specific objectives, including any prespecified hypotheses 6

Methods
Study design 4 Present key elements of study design early in the paper 7
Setting 5 Describe the setting, locations, and relevant dates, including periods of 7-8
recruitment, exposure, follow-up, and data collection
Participants 6 (a) Give the eligibility criteria, and the sources and methods of 8
selection of participants. Describe methods of follow-up
(b) For matched studies, give matching criteria and number of exposed n/a
and unexposed
Variables 7 Clearly define all outcomes, exposures, predictors, potential 7
confounders, and effect modifiers. Give diagnostic criteria, if applicable
Data sources/ 8* For each variable of interest, give sources of data and details of 7
measurement methods of assessment (measurement). Describe comparability of
assessment methods if there is more than one group
Bias 9 Describe any efforts to address potential sources of bias 9
Study size 10 Explain how the study size was arrived at 9, 19
Quantitative variables 11 Explain how quantitative variables were handled in the analyses. If 8
applicable, describe which groupings were chosen and why
Statistical methods 12 (a) Describe all statistical methods, including those used to control for 8
confounding
(b) Describe any methods used to examine subgroups and interactions 9
(c) Explain how missing data were addressed 9
(d) If applicable, explain how loss to follow-up was addressed n/a
(e) Describe any sensitivity analyses 9

Results
Participants 13* (a) Report numbers of individuals at each stage of study—eg numbers 19
potentially eligible, examined for eligibility, confirmed eligible, included
in the study, completing follow-up, and analysed
(b) Give reasons for non-participation at each stage n/a

-1-
 (c) Consider use of a flow diagram 19
Descriptive data 14* (a) Give characteristics of study participants (eg demographic, clinical, 17
social) and information on exposures and potential confounders
(b) Indicate number of participants with missing data for each variable n/a
of interest
(c) Summarise follow-up time (eg, average and total amount) 8, 9
Outcome data 15* Report numbers of outcome events or summary measures over time 9, 17

Main results 16 (a) Give unadjusted estimates and, if applicable, confounder-adjusted estimates 9,
17
and their precision (eg, 95% confidence interval). Make clear which confounders
were adjusted for and why they were included
(b) Report category boundaries when continuous variables were categorized n/a
(c) If relevant, consider translating estimates of relative risk into absolute risk for a n/a
meaningful time period
Other analyses 17 Report other analyses done—eg analyses of subgroups and interactions, and 18
sensitivity analyses
Discussion
Key results 18 Summarise key results with reference to study objectives 11
Limitations 19 Discuss limitations of the study, taking into account sources of potential bias or 13
imprecision. Discuss both direction and magnitude of any potential bias
Interpretation 20 Give a cautious overall interpretation of results considering objectives, limitations, 13
multiplicity of analyses, results from similar studies, and other relevant evidence
Generalisability 21 Discuss the generalisability (external validity) of the study results 12-
13
Other information
Funding 22 Give the source of funding and the role of the funders for the present study and, if 2
applicable, for the original study on which the present article is based

*Give information separately for exposed and unexposed groups.

Note: An Explanation and Elaboration article discusses each checklist item and gives methodological background and
published examples of transparent reporting. The STROBE checklist is best used in conjunction with this article (freely
available on the Web sites of PLoS Medicine at http://www.plosmedicine.org/, Annals of Internal Medicine at
http://www.annals.org/, and Epidemiology at http://www.epidem.com/). Information on the STROBE Initiative is available
at http://www.strobe-statement.org.

-2-
Supplementary Table S2: Hazard Ratios for outcome CVD of individual risk factors in the
Framingham and MONICA S1 study.
Risk factor Framingham MONICA

Male sex 1.73 (1.45, 2.07) 1.53 (1.27, 1.83)

Age 2.09 (1.88, 2.31) 2.32 (2.07, 2.60)
SBP 1.29 (1.19, 1.39) 1.33 (1.22, 1.44)
Antihypertensive treatment 1.48 (1.10, 2.00) 1.53 (1.17, 2.00)
Smoking 2.01 (1.72, 2.35) 1.89 (1.60, 2.24)
Diabetes mellitus 2.49 (1.82, 3.41) 2.98 (1.96, 4.51)
Total cholesterol 1.33 (1.23, 1.44) 1.19 (1.09, 1.30)
HDL cholesterol 0.78 (0.72, 0.84) 0.83 (0.76, 0.89)
Values denote hazard ratios with corresponding 95% confidence interval. Hazard ratios for continuous risk
factors are given per 1 SD increase in the natural logarithm. Values for the Framingham cohort adapted from
Table 2 in [1].

Supplementary Table S3: Risk factor distribution in the Framingham and MONICA S1 study
Framingham MONICA
Women Men Women Men
N = 2333 N = 2173 N = 1516 N = 1594
Risk factor distribution
Age, years 36.3 ± 9.3 37.3 ± 9.2 42.0 ± 9.6 42.2 ± 9.9
SBP, mmHg 118 ± 16 126 ± 15 123.9 ± 17.3 132.4 ± 15.8
Antihypertensive treatment, % 2.7 3.1 6.1 4.1
Total cholesterol, mg/dL 192 ± 38 202 ± 39 223.9 ± 44.6 234.1 ± 46.4
HDL cholesterol, mg/dL 57 ± 15 44 ± 12 64.3 ± 17.4 51.0 ± 15.4
BMI, kg/m2 23.9 ± 4.5 26.5 ± 3.6 25.4 ± 4.5 26.7 ± 3.5
Smoking, % 45 46.2 24.6 39.5
Diabetes mellitus, % 0.9 2.6 0.9 1.6
Incident events, n 219 452 214 406
Values are mean±SD for continuous variables and numbers or percentages for categorical variables. Values for
the Framingham cohort adapted from Table 1 in [1].

-3-
Supplementary Figure S1: Survival (time free of fatal or non-fatal CVD event) in different risk strata,
as defined by the original FRS30y. Shown are Kaplan-Meier curves for risk groups defined by different
thresholds (10%, 25%, 50%) of the original FRS30y. Censored events (competing events or drop-out)
are marked by vertical lines.

Supplementary Figure S2: Survival (time free of fatal or non-fatal CVD event) in different risk strata,
as defined by the refitted FRS30y. Shown are Kaplan-Meier curves for risk groups defined by
different thresholds (10%, 25%, 50%) of the refitted FRS30y. Censored events (competing events or
drop-out) are marked by vertical lines.

-4-
Supplementary Table S4: Differences in survival according to risk strata.

Women Men
recalibrated 9.29E-77 2.13E-71
original 2.61E-84 5.64E-67
refitted 2.11E-78 3.09E-76
Shown are p-values from a log-rank test according to the risk strata <10%, [10%, 25%), [25%, 50%), ≥50%, if
defined by the recalibrated, original or refitted version of the FRS30y.

-5-
Supplementary Text S1: Members of The DigiMedBayernConsortium
Jonathan Adam, Institut für Medizinische Informationsverarbeitung Biometrie und Epidemiologie, Ludwig-Maximilians-
Universität München, Munich, Germany; Institut für Epidemiologie, Helmholtz Zentrum München, Munich, Germany; Reiner
Anselm, Institut Technik – Theologie – Naturwissenschaften, Ludwig-Maximilians-Universität München, Munich, Germany;
Sara Ates, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München,
Munich, Germany; Sabine Bauer, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen,
Technische Universität München, Munich, Germany; Nicole Beck, Deutsches Herzzentrum München, Klinik für Herz- und
Gefäßchirurgie, Technische Universität München, Munich, Germany; Jürgen Beckmann, Fakultät für Sport- und
Gesundheitswissenschaften, Technische Universität München, Munich, Germany; Riccardo Berutti, Institut für
Neurogenomik, Helmholtz Zentrum München, Munich, Germany; Stefan Brandmaier, Institut für Epidemiologie, Helmholtz
Zentrum München, Munich, Germany; Theresa Brunet, Institut für Humangenetik, Technische Universität München, Munich,
Germany; Salvatore Cassese, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische
Universität München, Munich, Germany; Manuela Decker, Deutsches Herzzentrum München, Klinik für Herz- und
Kreislauferkrankungen, Technische Universität München, Munich, Germany; Martin Dichgans, Institut für Schlaganfall- und
Demenzforschung, Ludwig-Maximilians-Universität München, Munich, Germany; Philine Diesselhorst, Institut Technik –
Theologie – Naturwissenschaften, Ludwig-Maximilians-Universität; Horst Domdey, BioM Biotech Cluster Development
GmbH, Martinsried, Germany; Martina Dreßen, Deutsches Herzzentrum München, Klinik für Herz- und Gefäßchirurgie,
Technische Universität München, Munich, Germany; Arne Dressler, Institut Technik – Theologie – Naturwissenschaften,
Ludwig-Maximilians-Universität München, Munich, Germany; Florent Dufour, Leibniz-Rechenzentrum, Munich, Germany;
Sven Duscha, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität
München, Munich, Germany; Hans-Henning Eckstein, Klinik und Poliklinik für Vaskuläre und Endovaskuläre Chirurgie,
Klinikums rechts der Isar, , Technische Universität München, Munich, Germany; Aiman Farzeen, Institut für Humangenetik,
Technische Universität München, Munich, Germany; Institut für Epidemiologie, Helmholtz Zentrum München, Munich,
Germany; Therese Feiler, Institut Technik – Theologie – Naturwissenschaften, Ludwig-Maximilians-Universität München,
Munich, Germany; Ines Gall, Deutsches Herzzentrum München, Institut für Laboratoriumsmedizin, Technische Universität
München, Munich, Germany; Ulrich M. Gassner, Juristische Fakultät, Universität Augsburg, Augsburg, Germany; Christian
Gieger, Institut für Epidemiologie, Helmholtz Zentrum München, Munich, Germany; Monica Gotor-Blazquez, Deutsches
Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany;
Ulrich Güldener, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität
München, Munich, Germany; Nicolay Hammer, Max-Planck-Institut für Biochemie, Munich, Germany; Johann Hawe,
Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich,
Germany; Thomas Hendel, Institut für Epidemiologie, Helmholtz Zentrum München, Munich, Germany; Stefan Holdenrieder;
Deutsches Herzzentrum München, Institut für Laboratoriumsmedizin, Technische Universität München, Munich, Germany;
Stephan Jonas, Institut für Informatik, Technische Universität München, Munich, Germany; Adnan Kastrati, Deutsches
Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany;
Wolfgang Kempf, Klinikums rechts der Isar, Technische Universität München, Munich, Germany; Thorsten Keßler,
Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich,
Germany; Wolfgang Koenig, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische
Universität München, Munich, Germany; Florian Kohlmayer, Bitcare, Munich, Germany; Markus Krane, Deutsches
Herzzentrum München, Klinik für Herz- und Gefäßchirurgie, Technische Universität München, Munich, Germany; Dieter
Kranzlmüller, Institut für Informatik, Ludwig-Maximilians-Universität München, Munich, Germany; Harald Lahm, Deutsches
Herzzentrum München, Klinik für Herz- und Gefäßchirurgie, Technische Universität München, Munich, Germany; Rüdiger
Lange, Deutsches Herzzentrum München, Klinik für Herz- und Gefäßchirurgie, Technische Universität München, Munich,
Germany; Andreas Lehmann, Bitcare GmbH, Munich, Germany; Ling Li, Deutsches Herzzentrum München, Klinik für Herz-
und Kreislauferkrankungen, Technische Universität München, Munich, Germany; Birgit Linkohr, Institut für Epidemiologie,
Helmholtz Zentrum München, Munich, Germany; Lars Maegdefessel, Klinik und Poliklinik für Vaskuläre und Endovaskuläre
-6-
Chirurgie, Klinikums rechts der Isar, Technische Universität München, Munich, Germany; Matthias Mann, Max-Planck-
Institut für Biochemie, Munich, Germany; Rainer Malik, Institut für Schlaganfall- und Demenzforschung, Ludwig-
Maximilians-Universität München, Munich, Germany; Thomas Meitinger, Institut für Humangenetik, Technische Universität
München, Munich, Germany; Irina Neb, Deutsches Herzzentrum München, Klinik für Herz- und Gefäßchirurgie, Technische
Universität München, Munich, Germany; Tina O’Hehir, Deutsches Herzzentrum München, Klinik für Herz- und
Kreislauferkrankungen, Technische Universität München, Munich, Germany; Shichao Pang, Deutsches Herzzentrum
München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany; Benedikt Perl,
Fakultät für Sport- und Gesundheitswissenschaften, Technische Universität München, Munich, Germany; Annette Peters,
Institut für Medizinische Informationsverarbeitung Biometrie und Epidemiologie Ludwig-Maximilians-Universität München,
Munich, Germany; Institut für Epidemiologie, Helmholtz Zentrum München, Munich, Germany; Fatemeh Peymani, Institut
für Humangenetik, Technische Universität München, Munich, Germany; Roland Pichler, Max-Planck-Institut für Biochemie,
Munich, Germany; Heiko Pfister, Deutsches Herzzentrum München, Institut für Laboratoriumsmedizin, Technische
Universität München, Munich, Germany; Paola Pisano, Max-Planck-Institut für Biochemie, Munich, Germany; Holger
Prokisch, Institut für Humangenetik, Technische Universität München, Munich, Germany; Lara Marie Reimer, Institut für
Informatik, Technische Universität München, Munich, Germany; Michaela Sander, Deutsches Herzzentrum München,
Institut für Laboratoriumsmedizin, Technische Universität München, Munich, Germany; Veronika Sanin, Deutsches
Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany;
Lea Dewi Schlieben, Institut für Humangenetik, Technische Universität München, Munich, Germany; Yannick Schlote,
Institut Technik – Theologie – Naturwissenschaften, Ludwig-Maximilians-Universität München, Munich, Germany; Sofie
Schmid, Klinikums rechts der Isar, Technische Universität München, Munich, Germany; Raphael Schmieder, Deutsches
Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany;
Heribert Schunkert, Deutsches Herzzentrum München, Klinik für Herz- und Kreislauferkrankungen, Technische Universität
München, Munich, Germany; Megi Sharikadze, Leibniz-Rechenzentrum, Munich, Germany; Ankit Sinha, Max-Planck-
Institut für Biochemie, Munich, Germany; Fabian Starnecker, Deutsches Herzzentrum München, Klinik für Herz- und
Kreislauferkrankungen, Technische Universität München, Munich, Germany; Medini Steger, Max-Planck-Institut für
Biochemie, Munich, Germany; Sophia Steigerwald, Max-Planck-Institut für Biochemie, Munich, Germany; Ruoyu Sun, BioM
Biotech Cluster Development GmbH, Martinsried, Germany; Moritz von Scheidt, Deutsches Herzzentrum München, Klinik
für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany; Matias Wagner, Institut für
Humangenetik, Technische Universität München, Munich, Germany; Annie Westerlund, Deutsches Herzzentrum München,
Klinik für Herz- und Kreislauferkrankungen, Technische Universität München, Munich, Germany; Jens Wiehler, BioM
Biotech Cluster Development GmbH, Martinsried, Germany; Michael Wierer, Max-Planck-Institut für Biochemie, Munich,
Germany; Peter Zinterhof, Leibniz-Rechenzentrum, Munich, Germany

-7-
Supplementary References

1. Pencina, M.J.; D'Agostino, R.B., Sr.; Larson, M.G.; Massaro, J.M.; Vasan, R.S. Predicting the 30-year
risk of cardiovascular disease: the framingham heart study. Circulation 2009, 119, 3078-3084,
doi:10.1161/CIRCULATIONAHA.108.816694.

-8-