Diagnosis and management of angina for the cardiac nurse
Notice bibliographique
Résumé
The burden of treating stable angina is vast, as it is estimated that almost 2 million people currently have or have had angina in the UK ( Health and Social Care Information Centre (HSCIC), 2006 ). Angina is the main symptom of myocardial ischaemia, usually caused by atherosclerotic obstructive coronary artery disease, restricting bloodflow and therefore oxygen delivery to the heart muscle ( National Institute for Health and Care Excellence (NICE), 2011 ). Characteristic features of stable angina include tightness or heaviness across the chest, which can radiate to the left arm, neck, jaw and back. However, it is important to be aware that some people present with atypical symptoms. A diagnosis of stable angina can be based on clinical assessment alone or with the addition of diagnostic testing. Diagnosic tests used in this instance can include: exercise testing, computerised tomography (CT), myocardial perfusion scanning and stress echocardiography, in addition to blood tests and electrocardiogram which all patients will undergo. Management of angina includes medical therapy, the aim of which is to help reduce symptoms and prevent cardiovascular events such as myocardial infarction and stroke ( Montalescot et al, 2013 ). Guidelines on stable angina by NICE (2011) and the European Society of Cardiology (ESC) ( Montalescot et al, 2013 ) provide us with recommendations on which medications should be prescribed. Lifestyle changes are a key aspect of angina management: namely in the areas of diet, exercise, smoking, diabetes, hypertension and psychological issues.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».