MétaCan
Menu
Retour à la cohorte
Enregistrement W2753813400 · doi:10.1161/circresaha.117.308903

Reducing the Global Burden of Cardiovascular Disease, Part 1

2017· review· en· W2753813400 sur OpenAlexaff
Philip Joseph, Darryl P. Leong, Martin McKee, Sonia S. Anand, Jon-David Schwalm, Koon Teo, Andrew Mente, Salim Yusuf

Notice bibliographique

RevueCirculation Research · 2017
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthMedicineGlobal healthEpidemiologyDiseaseHealth policyDisease burdenPublic healthEpidemiological transitionUpstream (networking)Health careEconomic growthPopulationPathologyEconomics

Résumé

récupéré en direct d'OpenAlex

Current global health policy goals include a 25% reduction in premature mortality from noncommunicable diseases by 2025. In this 2-part review, we provide an overview of the current epidemiological data on cardiovascular diseases (CVD), its risk factors, and describe strategies aimed at reducing its burden. In part 1, we examine the global epidemiology of cardiac conditions that have the greatest impact on CVD mortality; the predominant risk factors; and the impact of upstream, societal health determinants (eg, environmental factors, health policy, and health systems) on CVD. Although age-standardized mortality from CVD has decreased in many regions of the world, the absolute number of deaths continues to increase, with the majority now occurring in middle- and low-income countries. It is evident that multiple factors are causally related to CVD, including traditional individual level risk factors (mainly tobacco use, lipids, and elevated blood pressure) and societal level health determinants (eg, health systems, health policies, and barriers to CVD prevention and care). Both individual and societal risk factors vary considerably between different regions of the world and economic settings. However, reliable data to estimate CVD burden are lacking in many regions of the world, which hampers the establishment of nationwide prevention and management strategies. A 25% reduction in premature CVD mortality globally is feasible but will require better implementation of evidence-based policies (particularly tobacco control) and integrated health systems strategies that improve CVD prevention and management. In addition, there is a need for better health information to monitor progress and guide health policy decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,006

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 Opus0,415
Tête enseignante GPT0,485
Écart entre enseignants0,070 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations1 070
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207