MétaCan
Menu
Retour à la cohorte
Enregistrement W2082785727 · doi:10.1179/016164106x130362

How do heart disease and stroke become risk factors for Alzheimer's disease?

2006· review· en· W2082785727 sur OpenAlexfundno aff
Jack C. de la Torre

Notice bibliographique

RevueNeurological Research · 2006
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesHeart and Stroke Foundation of Canada
Mots-clésMedicineCardiologyStroke (engine)Heart failureInternal medicineDementiaAtrial fibrillationDiseaseCoronary artery diseasePopulationHeart diseasevalvular heart diseaseCarotid artery diseaseStenosisCarotid endarterectomy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Heart disease and stroke are two of the major leading causes of death and disability in the world. Mainly affecting the elderly population, heart disease and stroke are important risk factors for Alzheimer's disease (AD). METHODS: This review examines the evidence linking chronic brain hypoperfusion (CBH) produced by several types of heart disease and stroke on the development of AD. RESULTS: The evidence indicates a strong association between such risk factors as coronary artery bypass surgery (CABG), atrial fibrillation, aortic/mitral valve damage, hypertension, hypotension, congestive heart failure, cerebrovascular-carotid atherosclerosis, and transient ischemic attacks in producing CBH. In people whose cerebral perfusion is already diminished by their advanced age, further cerebral blood flow reductions from heart-brain vascular-related risk factors, seemingly increases the probability of AD. The evidence also suggests that a neuronal energy crisis brought on by a relentless CBH is responsible for protein synthesis defects that later result in the classic AD neurodegenerative lesions such as the formation of excess beta-amyloid plaques and neurofibrillary tangles. CONCLUSIONS: Knowledge of how heart disease and stroke can progress to AD should provide a better understanding of the physiopathology characteristic of AD and also target more precise therapy in preventing, controlling or reversing this dementia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,308
Tête enseignante GPT0,437
Écart entre enseignants0,129 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations138
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurological ResearchMême sujetNeurological Disease Mechanisms and TreatmentsTravaux en français237 207