MétaCan
Menu
Retour à la cohorte
Enregistrement W2258527395 · doi:10.1161/circulationaha.115.018713

Epidemiology and Mechanisms of Uremia-Related Cardiovascular Disease

2016· review· en· W2258527395 sur OpenAlexaff
Marcello Tonelli, S. Ananth Karumanchi, Ravi Thadhani

Notice bibliographique

RevueCirculation · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesFresenius Medical Care North America
Mots-clésMedicineUremiaKidney diseaseEpidemiologyIntensive care medicineContext (archaeology)DiseaseDiabetes mellitusPopulationCoronary artery diseaseStroke (engine)Heart failureCardiologyInternal medicineEndocrinologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Patients with chronic kidney disease and end-stage renal disease are at 5- to 10-fold higher risk for developing cardiovascular disease (CVD) than age-matched controls. Clinically, CVD in this population manifests as coronary artery disease, arrhythmias, stroke, or congestive heart failure. Beyond the traditional risk factors (eg, diabetes mellitus and hypertension), uremia-specific factors that arise from accumulating toxins also contribute to the pathogenesis of CVD. In this review, we summarize the literature on the epidemiology of both traditional and uremia-related CVD and focus on postulated mechanisms of the latter. In the context of current and emerging diagnostics and therapies for CVD, we highlight what we interpret as major gaps in the medical management of this growing population that need to be addressed with targeted epidemiological and translational research. Finally, we describe the global challenges associated with the recognition and management of uremia-related CVD in developed and developing nations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,963
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,317
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

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

Citations218
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetDialysis and Renal Disease ManagementTravaux en français237 207