What is good for the circulation also lessens cancer risk
Notice bibliographique
Résumé
Although there have been substantial advances in the prevention and management of cardiovascular disease (CVD) and its complications, a new player and concept has entered the scene, namely an association between CVD and cancer. There were two alerting signals to this remarkable coupling. On the one hand, disconcerting evidence has been provided that suggests that the use of angiotensin receptor blockers could be increasing the development of cancers.1–3 On the other hand, evidence has been provided that the preventative effects of aspirin both as an antithrombotic agent in CVD prevention and the subsequent discovery of its effects in lessening the development of cancer, especially but not only primary gastrointestinal and distant metastases.4 In addition, ideal cardiovascular health has been shown to be inversely associated with incident cancer in the Atherosclerosis Risk In Communities (ARIC) study.5 The American Heart Association (AHA) has now widened its health goals to adherence to seven ideal heart health metrics that are aimed at lessening the incidence of both CVD and cancer as part of its 2020 goals.6 To achieve this goal, the AHA is therefore pursuing partnerships with cancer advocacy groups to achieve reductions in chronic disease prevalence. The ideal health factors are four ideal self-help health metrics and three ideal measured health metrics (an untreated total cholesterol <200 mg/dL, untreated blood pressure <120 mmHg systolic and 80 mm Hg diastolic, and untreated fasting serum glucose <100 mg/dL) ( Table 1 ). Ambitious plans to reduce both CVD and cancer will be communicated to the American public through the ‘Life's Simple Seven campaign’. Fundamental to the current ‘war on cancer’ is the role of lifestyle measures …
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».