MétaCan
Menu
Retour à la cohorte
Enregistrement W2286742378 · doi:10.1113/jp270535

Predicting the risk of sudden cardiac death

2015· review· en· W2286742378 sur OpenAlexaff
Claudia Lerma, Leon Glass

Notice bibliographique

RevueThe Journal of Physiology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac electrophysiology and arrhythmias
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRisk stratificationVentricular fibrillationReentryCardiologyMedicineSudden cardiac deathVentricular tachycardiaInternal medicineSinus rhythmNormal Sinus RhythmFibrillationAtrial fibrillation

Résumé

récupéré en direct d'OpenAlex

Sudden cardiac death (SCD) is the result of a change of cardiac activity from normal (typically sinus) rhythm to a rhythm that does not pump adequate blood to the brain. The most common rhythms leading to SCD are ventricular tachycardia (VT) or ventricular fibrillation (VF). These result from an accelerated ventricular pacemaker or ventricular reentrant waves. Despite significant efforts to develop accurate predictors for the risk of SCD, current methods for risk stratification still need to be improved. In this article we briefly review current approaches to risk stratification. Then we discuss the mathematical basis for dynamical transitions (called bifurcations) that may lead to VT and VF. One mechanism for transition to VT or VF involves a perturbation by a premature ventricular complex (PVC) during sinus rhythm. We describe the main mechanisms of PVCs (reentry, independent pacemakers and abnormal depolarizations). An emerging approach to risk stratification for SCD involves the development of individualized dynamical models of a patient based on measured anatomy and physiology. Careful analysis and modelling of dynamics of ventricular arrhythmia on an individual basis will be essential in order to improve risk stratification for SCD and to lay a foundation for personalized (precision) medicine in cardiology.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,033
Tête enseignante GPT0,327
Écart entre enseignants0,294 · 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

Citations28
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of PhysiologyMême sujetCardiac electrophysiology and arrhythmiasTravaux en français237 207