MétaCan
Menu
Retour à la cohorte
Enregistrement W2132196134 · doi:10.1186/1475-2840-13-26

Residual macrovascular risk in 2013: what have we learned?

2014· review· en· W2132196134 sur OpenAlexafffund
Jean‐Charles Fruchart, Jean Davignon, Michel P. Hermans, Khalid Al‐Rubeaan, Pierre Amarenco, Gerd Assmann, Philip J. Barter, John Betteridge, Éric Bruckert, Ada Cuevas, Michel Farnier, Ele Ferrannini, Paola Fioretto, Jacques Genest, Henry N. Ginsberg, Antonio M. Gotto, Dayi Hu, Takashi Kadowaki, Tatsuhiko Kodama, Michel Krempf, Yūji Matsuzawa, Jesús Millán Núñez-Cortés, Carlos Calvo Monfil, Hisao Ogawa, Jorge Plutzky, Daniel J. Rader, Shaukat Sadikot, Raúl D. Santos, Е. V. Shlyakhto, Piyamitr Sritara, Rody G. Sy, Alan R. Tall, Chee Eng Tan, Lâle Tokgözoğlu, Peter P. Tóth, P. Valensi, Christoph Wanner, Alberto Zambon, Junren Zhu, Paul Zimmet

Notice bibliographique

RevueCardiovascular Diabetology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensRoyal Victoria HospitalRoyal Victoria Regional Health CentreMontreal Clinical Research InstituteMcGill UniversityCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesH. Lundbeck A/SServierAstellas PharmaNovo NordiskInternational Atherosclerosis SocietyQuébec Consortium for Drug DiscoveryAntheraRegeneron PharmaceuticalsAmarin CorporationBoston Scientific CorporationGenentechValeant Pharmaceuticals InternationalDaiichi Sankyo EuropeKowa CompanyHalozymeSanofiGlaxoSmithKlineEli Lilly and CompanyAstraZenecaAmylin PharmaceuticalsAmgenPfizer
Mots-clésEzetimibeMedicineResidual riskPCSK9Metabolic syndromeInternal medicineStatinNiacinType 2 diabetesDiabetes mellitusEndocrinologyIntensive care medicineCholesterolLipoproteinLDL receptor

Résumé

récupéré en direct d'OpenAlex

Cardiovascular disease poses a major challenge for the 21st century, exacerbated by the pandemics of obesity, metabolic syndrome and type 2 diabetes. While best standards of care, including high-dose statins, can ameliorate the risk of vascular complications, patients remain at high risk of cardiovascular events. The Residual Risk Reduction Initiative (R3i) has previously highlighted atherogenic dyslipidaemia, defined as the imbalance between proatherogenic triglyceride-rich apolipoprotein B-containing-lipoproteins and antiatherogenic apolipoprotein A-I-lipoproteins (as in high-density lipoprotein, HDL), as an important modifiable contributor to lipid-related residual cardiovascular risk, especially in insulin-resistant conditions. As part of its mission to improve awareness and clinical management of atherogenic dyslipidaemia, the R3i has identified three key priorities for action: i) to improve recognition of atherogenic dyslipidaemia in patients at high cardiometabolic risk with or without diabetes; ii) to improve implementation and adherence to guideline-based therapies; and iii) to improve therapeutic strategies for managing atherogenic dyslipidaemia. The R3i believes that monitoring of non-HDL cholesterol provides a simple, practical tool for treatment decisions regarding the management of lipid-related residual cardiovascular risk. Addition of a fibrate, niacin (North and South America), omega-3 fatty acids or ezetimibe are all options for combination with a statin to further reduce non-HDL cholesterol, although lacking in hard evidence for cardiovascular outcome benefits. Several emerging treatments may offer promise. These include the next generation peroxisome proliferator-activated receptorα agonists, cholesteryl ester transfer protein inhibitors and monoclonal antibody therapy targeting proprotein convertase subtilisin/kexin type 9. However, long-term outcomes and safety data are clearly needed. In conclusion, the R3i believes that ongoing trials with these novel treatments may help to define the optimal management of atherogenic dyslipidaemia to reduce the clinical and socioeconomic burden of residual cardiovascular risk.

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)0,009
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0070,009
Science ouverte0,0030,003
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0170,005

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 Opus0,037
Tête enseignante GPT0,316
Écart entre enseignants0,279 · 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

Citations172
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCardiovascular DiabetologyMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207