Recent advances in pathogenesis, assessment, and treatment of atherosclerosis
Notice bibliographique
Résumé
In recent years, there have been a number of advances in the pathogenesis and treatment of atherosclerosis and in assessing prognosis in carotid atherosclerosis. Risk stratification to improve vascular prevention by identifying patients most likely to benefit from intensive therapy is much improved by measuring carotid plaque burden. In patients with asymptomatic carotid stenosis, a number of modalities can be used to identify the 10-15% who could benefit from endarterectomy or stenting. Transcranial Doppler embolus detection, echolucency and ulceration on 3D ultrasound, intraplaque hemorrhage on magnetic resonance imaging (MRI), and reduced cerebrovascular reserve are useful already; new approaches including plaque texture on ultrasound and imaging of plaque inflammation and early calcification on positron emission tomography/computed tomography (PET/CT) are in development. The discovery that the intestinal microbiome produces vasculotoxic metabolites from dietary constituents such as carnitine in meat (particularly red meat) and phosphatidylcholine from egg yolk and other sources has revolutionized nutritional aspects of vascular prevention. Because many of these vasculotoxic metabolites are removed by the kidney, it is particularly important in patients with renal failure to limit their intake of red meat and egg yolk. A new approach to lowering low-density lipoprotein (LDL) cholesterol by blocking the action of an enzyme that destroys LDL receptors promises to revolutionize vascular prevention once less costly treatments are developed, and a new approach to vascular prevention-"treating arteries instead of risk factors"-shows promise but requires randomized trials. These advances all promise to help in the quest to prevent strokes in high-risk patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».