MétaCan
Menu
Retour à la cohorte
Enregistrement W4200174855 · doi:10.15420/ecr.2021.49

Why We Need Specialised Centres for Women’s Hearts: Changing the Face of Cardiovascular Care for Women

2021· review· en· W4200174855 sur OpenAlexaff
Martha Gulati, Cara Hendry, Biljana Parapid, Sharon L. Mulvagh

Notice bibliographique

RevueEuropean Cardiology Review · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineDiseaseGerontologyFace (sociological concept)Family medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Although cardiovascular disease (CVD) is the leading cause of mortality in women globally, cardiovascular care for women remains suboptimal, with poorer outcomes than for men. During the past two decades, there has been an incremental increase in research and publications on CVD in women, addressing sex-specific risk factors, symptoms, pathophysiology, treatment, prevention and identification of inequities in care. Nonetheless, once women have manifested CVD, they continue to have increasingly worse outcomes than men. An approach to addressing these global disparities has been the worldwide establishment of specialised centres providing cardiovascular care for women. These women's heart centres (WHCs) allow a comprehensive approach to the cardiovascular care of women across the lifespan. The purpose of this article is to define the need for and role of these specialised centres by outlining sex-specific gaps in CVD care, and to provide guidance on components within WHCs that may be considered when establishing such programmes.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,905
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0080,005
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,109
Tête enseignante GPT0,361
Écart entre enseignants0,252 · 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.

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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Cardiology ReviewMême sujetSex and Gender in HealthcareTravaux en français237 207