MétaCan
Menu
Retour à la cohorte
Enregistrement W1531467114 · doi:10.1046/j.1525-139x.2003.16031.x

THE CLINICAL EPIDEMIOLOGY OF CARDIOVASCULAR DISEASES IN CHRONIC KIDNEY DISEASE: Uremia‐Related Metabolic Cardiac Risk Factors in Chronic Kidney Disease

2003· review· en· W1531467114 sur OpenAlexaff
François Madore

Notice bibliographique

RevueSeminars in Dialysis · 2003
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversité de MontréalHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney diseaseUremiaHyperhomocysteinemiaDyslipidemiaDiseaseIntensive care medicinePathogenesisRisk factorEtiologyEpidemiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Growing evidence has been gathered over the last 15 years regarding the role of nontraditional or uremia-related risk factors in the pathogenesis of atherosclerosis in subjects with renal failure. Among those factors, dyslipidemia, inflammation, hyperhomocysteinemia, and oxidant stress have been extensively studied. However, the clinical significance of many of these factors remains controversial in light of reported studies. In this article, the existing evidence regarding the role of uremia-related risk factors in the pathogenesis of atherosclerosis is reviewed, with special emphasis on prevalence, cardiac risk, and management in patients with chronic kidney disease (CKD). Consensus treatment recommendations are provided for risk factors for which there is evidence to support preventive or therapeutic interventions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,841
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0130,013
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,354
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in DialysisMême sujetDialysis and Renal Disease ManagementTravaux en français237 207