MétaCan
Menu
Retour à la cohorte
Enregistrement W3215953108 · doi:10.5603/cj.a2021.0147

Management of dyslipidemia in Poland: Interdisciplinary Expert Position Statement endorsed by the Polish Cardiac Society Working Group on Cardiovascular Pharmacotherapy. The Fourth Declaration of Sopot

2021· article· en· W3215953108 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCardiology Journal · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensnon disponible
Organismes subventionnairesBausch HealthMylanNovo NordiskValeant Pharmaceuticals InternationalSanofiTeva Pharmaceutical IndustriesAstraZenecaServierPfizerAmgen
Mots-clésDyslipidemiaReduction (mathematics)Weight lossPosition statementOlive oil

Résumé

récupéré en direct d'OpenAlex

Food Effect on LDL-C Foods high in n-6 PUFA and/or MUFA and low in SFA; e.g., canola oil Moderate to large reduction Foods high in soluble fiber; e.g., psyllium, oats, and barley Moderate reduction Foods with added plant sterols or stanols Moderate reduction Flaxseeds (whole) Small to moderate reduction Soy protein Small to moderate reduction Tomatoes Small to moderate reduction Almonds Small reduction Fish No clear effect Decaffeinated coffee (in place of regular coffee) No effect Filtered coffee No effect Foods high in SFA or trans fatty acids (i.e., solid and tropical fats) Moderate to large increase Unfiltered coffee (in place of filtered coffee) Moderate to large increase Avocados Moderate to large reduction Turmeric Moderate to large reduction Hazelnuts Small to moderate reduction Pulses Small to moderate reduction Green tea At least small reduction Fiber, whole grains Small reduction Walnuts Small reduction Darker roast coffee No clear effect Fructose (in place of sucrose/glucose) No clear effect Marine oils (high in long-chain n-3 PUFA) Very small increase Free sugars Small increase Coffee (in place of tea) Small to moderate increase Garlic powder Small to moderate reduction Probiotics and prebiotics Small to moderate reduction Cumin Small to moderate reduction Ginger Small reduction Eggs Small increase Foods high in resistant starch Small reduction High-polyphenol olive oil (in place of low-polyphenol) Small reduction Foods high in a-linolenic acid, e.g., flaxseed oil No clear effect Foods high in medium-chain (in place on of long-chain) SFA No clear effect Grapefruits No effect Berries Small to moderate reduction Garlic Small to moderate reduction Black tea At least small reduction Dark chocolate/cocoa products At least small reduction Alcoholic drinks Small reduction Dairy products (all, high-fat, low-fat) No clear effect Grape polyphenols No clear effect Synbiotics No clear effect Whey protein No clear effect Fruit juice No effect Red meat No effect Sweeteners No effect MUFA -monounsaturated fatty acids; PUFA -polyunsaturated fatty acids; SFA -saturated fatty acids

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.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
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 Opus0,025
Tête enseignante GPT0,308
Écart entre enseignants0,283 · 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