Drug Therapy for Stroke Prevention
Notice bibliographique
Résumé
1. Stroke Prevention in 2000 J. Easton 2. Primary vs. Secondary Stroke Prevention P. Gorelick 3. Aspirin P. De Moerloose 4. Ticlopidine and Clopidogrel M. Paciaroni 5. Other Anti-platelet Agents A. Culebras 6. Dipyridamole H. Diener 7. New Antiplatelet Agents B. Weksler 8. Clinical Use of Antiplatelet Agents for Stroke Prevention G. Donnan 9. Antithrombotic Therapy Before and After Carotid Endarterectomy H. Barnett 10. Anticoagulants T. Moulin 11. Early Prevention of Stroke Recurrence M. Brown 12. Lipid Lowering Agents and Stroke Risk P. Amarenco 13. Stroke Prevention With Blood Pressure Control P. Bath 14. Antioxidants, Vitamins D. Spence 15. Estrogen Replacement L. Brass 16. Healthcare Issues, Benefits and Costs G. Hankey Gorelick, Centre for Stroke Research, USA, Babette Weksler, Cornell University, USA, Geoffrey Donnan, National Stroke Research Institute, Australia, H. Barnett, Robarts Research Institute, Canada, Martin Brown, University of London, UK, Pierre Amarenco, Hospital Lariboisere, France, Phillipe Bath, Nottingham City Hospital, UK, J. David Spence, Robarts Research Institute, Canada, Graeme Hankey, Royal Perth Hospital, Australia, H. Diener, Neurologische Uniklinik, Germany, Lawrence Brass, Yale University School of Medicine, USA, Thierry Moulin, Hospital Regional de Bescancon, Maurizio Paciaroni, University of Perugia, Italy, Antonio Culebras, VA Medical Centre, USA, Phillipe de Moerloose, HUG, Geneva.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,145 | 0,116 |
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 ».