Secondary Prevention of Ischemic Stroke: Evolution from a Stepwise to a Risk Stratification Approach to Care
Notice bibliographique
Résumé
Survivors of ischemic stroke are at significant risk for recurrent stroke. Appropriate therapy for stroke prevention is needed given the significant morbidity and mortality associated with stroke, the high financial costs, and the neurologic disability associated with treatment failure. A treatment strategy based on assessed risk represents an appropriate use of medical resources and results in improved outcomes. This approach requires evaluation of major risk factors, the most serious of which is a history of ischemic stroke or transient ischemic attack. The annual risk for recurrent stroke is 6% during the first 5 years after an initial stroke. Non-modifiable risk factors include age, race, ethnicity, gender, family history, and geography. The most important modifiable risk factor is hypertension. Diabetes mellitus, hyperlipidemia, left ventricular hypertrophy, atrial fibrillation, and lifestyle factors such as smoking, alcohol abuse, and obesity contribute to stroke risk. Antihypertensive, lipid-lowering, and antiplatelet therapies have been successful in reducing the incidence of secondary stroke. Clinical trials validate the benefits of statin therapy in reducing the risk for secondary stroke. Studies of antiplatelet agents, including aspirin, clopidogrel, and aspirin combined with extended-release dipyridamole, have evaluated the risk reduction in recurrent stroke and have been concerned particularly with the risk for hemorrhage. Therapy for stroke prevention based on risk stratification can identify patients who are appropriate targets for aggressive intervention.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».