MétaCan
Menu
Retour à la cohorte
Enregistrement W2290366635 · doi:10.2174/1570161112666140819110429

Editorial: Statin Potency, LDL Receptors and New Onset Diabetes

2014· editorial· en· W2290366635 sur OpenAlexaboutno aff
Vasilios G. Athyros, Niki Katsiki, Asterios Karagiannis, Dimitri P. Mikhailidis

Notice bibliographique

RevueCurrent Vascular Pharmacology · 2014
Typeeditorial
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineStatinEndocrinologyDiabetes mellitusInternal medicinePathogenesisNodInsulin

Résumé

récupéré en direct d'OpenAlex

New onset diabetes (NOD) has been regarded as one of the factors to be considered before deciding to prescribe a statin [1- 3]. The recent Canadian Network for Observational Drug Effect Studies Investigators [2] study and an older meta-analysis [3] suggest that the administration of higher potency statins is associated with an increased risk of NOD compared with lower potency statins [1-3]. The potential increase in caloric and fat intake during statin treatment may play a role in the pathogenesis of statin-related NOD [4]. However, the exact mechanisms involved in the pathogenesis of NOD associated with statin treatment remain to be defined. Recent evidence suggests that the prevalence of NOD is significantly lower in familial hypercholesterolemia (FH) patients (n=14,296) compared with their unaffected relatives (n=24,684) [5]. For receptor-negative and receptor-defective low density lipoprotein receptor (LDLr) mutations, the odds ratio was 0.35 (0.27-0.45) and 0.51 (0.42-0.62) (p for trend

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
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 recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,317
Écart entre enseignants0,302 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Vascular PharmacologyMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207