MétaCan
Menu
Retour à la cohorte
Enregistrement W4214616504 · doi:10.29169/1927-5951.2018.08.04.7

Evaluation of Lipid Profile in Patients with Cardiovascular Diseases Receiving Simvastatin in Palu Indonesia

2018· article· en· W4214616504 sur OpenAlexvenueno aff
Rudi Safarudin, Alwiyah Mukaddas, Faraditha Amalia, Amelia Rumi

Notice bibliographique

RevueJournal of Pharmacy and Nutrition Sciences · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Tadulako
Mots-clésSimvastatinMedicineLipid profileInternal medicineCholesterolBlood lipidsInclusion and exclusion criteriaCause of deathStatinPathologyDisease

Résumé

récupéré en direct d'OpenAlex

Cardiovascular diseases (CVDs) are the leading cause of death worldwide which results from the impaired function of the heart and blood vessels. The most common CVDs are coronary heart and stroke. The main clinical manifestation of these diseases is the formation of atherosclerosis which is associated with the change of blood lipid levels. Simvastatin is widely used in patients with impaired lipid levels in the blood. The study was a descriptive research with a retrospective approach on medical record data (n=64) taken from Palu City, Central Sulawesi, Indonesia. The variables included in this study were gender, age, diagnosis, co-medication, lipid profile including total cholesterol, LDL, triglycerides, and HDL in patients with CVDs receiving simvastatin. In the study, sixty-four patients of CVDs met the inclusion and exclusion criteria. This study suggested that simvastatin achieved to normalize the blood lipid levels, including total cholesterol in forty-four patients (68.75%), LDL in forty-nine patients (80.3%), triglycerides in fifty-nine patients (92.19%), and HDL in fifty-two patients (81.25%). The use of simvastatin in patients with CVDs managed to lower total cholesterol, LDL, and triglycerides, as well as increase the HDL level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,357
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy and Nutrition SciencesMême sujetComputational Drug Discovery MethodsTravaux en français237 207