An assessment of the current medical management of thoracic aortic disease: A patient-centered scoping literature review
Notice bibliographique
Résumé
Thoracic aortic aneurysm and dissection are complex diagnoses that require management by multidisciplinary providers using a variety of medical therapies, surgical interventions, and lifestyle modifications. Pharmacological agents, such as β-blockers (atenolol) and angiotensin II type 1 receptor blockers (losartan), have been mainstay treatments for several years, and research from the past decade has continued to evaluate these and other medication classes to further improve patient morbidity and mortality. Combination β- and renin-aldosterone-angiotensin blockade, statins, metformin, antioxidants, and vitamins have been evaluated as therapeutics in both thoracic and abdominal aortic aneurysms, as well as the effects of various antibiotics (ie, fluoroquinolones and tetracyclines) and benefits of lifestyle modifications (eg, diet and exercise) and enhanced patient-centered care and treatment adherence. In addition, as our understanding of the genetic, biochemical, and pathophysiological mechanisms behind these diseases expands, so do potential targets for future therapeutic research (eg, interleukins, matrix metalloproteases, and mast cells). This review incorporates the major meta-analyses, systematic and generalized reviews, and clinical trials published from 2010 through 2021 that focus on these topics in thoracic aortic aneurysms (and abdominal aneurysms when thoracic literature is scarce). Several key ongoing clinical trials, case studies, and in vivo/in vitro studies are also mentioned. Furthermore, we discuss current gaps in the literature and the abundance of clinical evidence for some interventions in abdominal aneurysms with few thoracic correlates, thus indicating a need for investigation of these subjects in the latter.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».