Notice bibliographique
Résumé
This issue has the Heart Failure Association (HFA) of the European Society of Cardiology (ESC) nurse curriculum.1 The role of nurses in the care of heart failure (HF) patients is more and more important.2, 3 This curriculum by the HFA sets the standards of the knowledge, skills and professional duties of HF nurses in the ESC countries. Co-morbidities have a major role in the clinical presentation, prognosis and treatment of the patients with HF.4-6 This issue is focused on them. Iron deficiency (ID) is a major determinant of the clinical course and prognosis of HF patients. Differently from other co-morbidities, its direct correction can improve their symptoms, quality of life and clinical course. In this issue, one article reviews the effects of iron on the skeletal muscles.7 Two meta-analyses summarize the results of randomized controlled trials of iron therapy in anaemic adult patients with no chronic kidney disease (CKD) and in patients with HF, respectively.8, 9 A research shows the independent prognostic value of ID in patients hospitalized for acute HF.10 The association of high serum erythropoietin levels and worse outcomes in patients with acute HF and, with respect to HF development, in subjects with albuminuria, is shown by two different studies in this issue of our journal.11, 12 Other articles regard CKD, liver dysfunction, chronic obstructive pulmonary disease, obesity and frailty. In a study, diabetes changed the prognostic value of obesity in the patients with HF. Differently from non-diabetics, diabetics did not benefit from the obesity paradox and their mortality was not related to their body mass index.13
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,017 |
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 source (Gemma direct ou Codex distillé), 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 ».