Notice bibliographique
Résumé
In 44 years of practicing stroke prevention, I have learned many lessons; in this article, I hope to impart some of them. Three areas of my research are discussed. Controlling resistant hypertension is markedly improved by physiologically individualized therapy based on renin/aldosterone phenotyping; this is particularly important in black patients. Measurement of carotid plaque burden strongly predicts cardiovascular risk and is useful for genetic research and for a process called treating arteries instead of risk factors. Doing so in high-risk patients with asymptomatic carotid stenosis was associated with a >80% reduction in the 2-year risk of stroke and myocardial infarction. It also permitted the identification of extremes of atherosclerosis that are useful for studying both the genetics and the biology of atherosclerosis. Patients with very high plaque burden despite low levels of risk factors have an unexplained phenotype; those with little or no plaque despite high levels of risk factors are protected. Patients with unexplained atherosclerosis have higher plasma levels of toxic metabolites produced by the intestinal microbiome largely from egg yolk, red meat, and protein, and those metabolites are renally excreted. This has important dietary implications for stroke prevention. Lowering of plasma total homocysteine with B vitamins significantly reduces the risk of stroke. That was not apparent in early studies because harm from cyanocobalamin among participants with renal failure obscured the benefit among those with good renal function. We should be using B vitamins to prevent stroke but should use methylcobalamin or oxocobalamin instead of cyanocobalamin.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,014 |
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 ».