MétaCan
Menu
Retour à la cohorte
Enregistrement W2150012656 · doi:10.1161/circresaha.114.301958

Cardiovascular Actions of Incretin-Based Therapies

2014· review· en· W2150012656 sur OpenAlexafffund
John R. Ussher, Daniel J. Drucker

Notice bibliographique

RevueCirculation Research · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIncretinGlucagon-like peptide-1MedicineDipeptidyl peptidaseReceptorPharmacologyDiabetes mellitusDipeptidyl peptidase-4MetaboliteType 2 Diabetes MellitusSitagliptinType 2 diabetesBioinformaticsInternal medicineEndocrinologyBiologyEnzymeBiochemistry

Résumé

récupéré en direct d'OpenAlex

Glucagon-like peptide-1 receptor (GLP-1R) agonists and dipeptidyl peptidase-4 (DPP-4) inhibitors represent 2 distinct classes of incretin-based therapies used for the treatment of type 2 diabetes mellitus. Activation of GLP-1R signaling or inhibition of DPP-4 activity produces a broad range of overlapping and unique cardiovascular actions. Native GLP-1 regulates cardiovascular biology via activation of the classical GLP-1R, or through GLP-1(9-36), a cardioactive metabolite generated by DPP-4-mediated cleavage. In contrast, clinically approved GLP-1R agonists are not cleaved to GLP-1(9-36) and produce the majority of their actions through the classical GLP-1R. The cardiovascular mechanisms engaged by DPP-4 inhibition are more complex, encompassing increased levels of intact GLP-1, reduced levels of GLP-1(9-36), and changes in levels of numerous cardioactive peptides. Herein we review recent experimental and clinical advances that reveal how GLP-1R agonists and DPP-4 inhibitors affect the normal and diabetic heart and coronary vasculature, often independent of changes in blood glucose. Improved understanding of the complex science of incretin-based therapies is required to optimize the selection of these therapeutic agents for the treatment of diabetic patients with cardiovascular disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,236
Tête enseignante GPT0,452
Écart entre enseignants0,216 · 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

Citations348
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetDiabetes Treatment and ManagementTravaux en français237 207