MétaCan
Menu
Retour à la cohorte
Enregistrement W2522380048 · doi:10.21037/jtd.2016.08.83

Reducing exposure to cardiovascular risk factors: the legacy of prevention

2016· letter· en· W2522380048 sur OpenAlexafffund
Benoît J. Arsenault, Rishi Puri

Notice bibliographique

RevueJournal of Thoracic Disease · 2016
Typeletter
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésMedicineFramingham Heart StudyEpidemiologyFramingham Risk ScoreRisk factorAtherosclerotic cardiovascular diseaseGerontologyDiseaseFamily medicineEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Over 50 years ago, the Framingham Heart Study investigators identified a range of common risk factors associated with atherosclerotic cardiovascular disease (ACVD) (1). Since then, several large-scale epidemiological studies conducted across all continents, such as the INTERHEART study, have linked ACVD risk factor exposure to cardiovascular outcomes (2). It is now commonly accepted that ACVD is mostly caused by measurable risk factors and the vast majority of these are modifiable, either via lifestyle modification, pharmacotherapy, or both. Of all ACVD risk factors, circulating cholesterol levels have perhaps received the most attention from not only the scientific and medical communities, but also by the media and the public alike. The association between cholesterol levels and ACVD has been studied for more than a century, with the cholesterol hypothesis having had its ups and downs [as recently summarized by Pedersen (3)].

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,309
Écart entre enseignants0,286 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic DiseaseMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207