MétaCan
Menu
Retour à la cohorte
Enregistrement W4210277682 · doi:10.1093/eurjpc/zwab147

Preventing heart failure: a position paper of the Heart Failure Association in collaboration with the European Association of Preventive Cardiology

2021· review· en· W4210277682 sur OpenAlexaff
Massimo Piepoli, Marianna Adamo, Andrea Barison, Reinaldo B. Bestetti, Jan Biegus, Michael Böhm, Javed Butler, Jonathan R. Carapetis, Claudio Ceconi, Ovidiu Chioncel, Andrew J.S. Coats, María G. Crespo‐Leiro, Giovanni de Simone, Heinz Drexel, Michele Emdin, Dimitros Farmakis, Martin Halle, Stéphane Heymans, Tiny Jaarsma, Ewa A. Jankowska, Mitja Lainščak, Carolyn S.P. Lam, Maja‐Lisa Løchen, Yu. M. Lopatin, Aldo P. Maggioni, Benedetta Matrone, Marco Metra, Katharine Noonan, Ileana L. Piña, Eva Prescott, Giuseppe Rosano, Petar Seferović, Karen Sliwa, Simon Stewart, Alicia Uijl, Ilonca Vaartjes, Roel Vermeulen, W. M. Monique Verschuren, Maurizio Volterrani, Stephan von Haehling, Arno W. Hoes

Notice bibliographique

RevueEuropean Journal of Preventive Cardiology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensSurgical Specialties (Canada)
Organismes subventionnairesMinistero della Salute
Mots-clésMedicineHeart failurePosition paperIntensive care medicinePreventive healthcarePsychological interventionPopulationMedical emergencyEnvironmental healthCardiologyPublic healthPathologyNursing

Résumé

récupéré en direct d'OpenAlex

The heart failure epidemic is growing and its prevention, in order to reduce associated hospital readmission rates and its clinical and economic burden, is a key issue in modern cardiovascular medicine. The present consensus document aims to provide practical evidence-based information to support the implementation of effective preventive measures. After reviewing the most common risk factors, an overview of the population attributable risks in different continents is presented, to identify potentially effective opportunities for prevention and to inform preventive strategies. Finally, potential interventions that have been proposed and have been shown to be effective in preventing HF are listed.

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)0,008
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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

Citations37
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Preventive CardiologyMême sujetHeart Failure Treatment and ManagementTravaux en français237 207