MétaCan
Menu
Retour à la cohorte
Enregistrement W2172172887 · doi:10.1080/20014091084245

The Role of Risk Factors in the Development of Atherosclerosis

2001· review· en· W2172172887 sur OpenAlexaff
Jiří Fröhlich, Milada Dobiášová, Scott A. Lear, Kenny Won Jae Lee

Notice bibliographique

RevueCritical Reviews in Clinical Laboratory Sciences · 2001
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRisk factorMedicineDiabetes mellitusHomocysteineInflammationMechanism (biology)PathologicalCholesterolBioinformaticsImmunologyBiologyInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Our understanding of risk factors for atherogenesis has changed significantly over the last decade. In addition to better grasp of the mechanism of action of the "classic" (causal) risk factors, a number of potentially important new factors has emerged. In this review we briefly summarize the evidence of the relation between atherosclerosis and the currently recognized causal risk factors, namely, age, smoking, LDL cholesterol, HDL cholesterol, hypertension, and diabetes. More emphasis has been put on description of the emerging entities such as atherogenic profile of plasma lipoproteins with discussion of LDL and HDL subclasses, Lp(a), homocysteine, and, last but not least, on the role of infection and inflammation in atherogenesis. Whenever possible, we tried to summarize the relevant lines of evidence such as epidemiological, pathological, genetic, and clinical trial data linking the specific factor with atherosclerosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,031
score de la tête « metaresearch » (Gemma)0,042
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0310,042
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,184
Tête enseignante GPT0,462
Écart entre enseignants0,278 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations31
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Clinical Laboratory SciencesMême sujetDiabetes, Cardiovascular Risks, and LipoproteinsTravaux en français237 207