MétaCan
Menu
Retour à la cohorte
Enregistrement W4220671970 · doi:10.1161/strokeaha.121.038151

Benefits of GLP-1 (Glucagon-Like Peptide 1) Receptor Agonists for Stroke Reduction in Type 2 Diabetes: A Call to Action for Neurologists

2022· article· en· W4220671970 sur OpenAlexafffund

Notice bibliographique

RevueStroke · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensSt. Michael's HospitalTrillium Health CentreSunnybrook Health Science CentreLMC Diabetes & Endocrinology (Canada)
Organismes subventionnairesUniversity of Toronto
Mots-clésStroke (engine)Type 2 diabetesDiabetes mellitusClinical trialReceptorCall to actionDiseaseNeuroprotectionType 2 Diabetes Mellitus

Résumé

récupéré en direct d'OpenAlex

People living with diabetes are at higher risk for stroke and have a poorer prognosis following a stroke event than those without diabetes. Data from cardiovascular outcome trials and meta-analyses indicate that GLP-1RAs (glucagon-like peptide 1 receptor agonists) reduce the risk of stroke in individuals with type 2 diabetes. Accordingly, many guidelines now recommend the addition of GLP-1RAs to ongoing antihyperglycemic regimens to lower the risk of stroke in type 2 diabetes. The current work summarizes evidence supporting the use of GLP-1RAs for stroke reduction in people with type 2 diabetes and offers 2 new resources for neurologists who are considering GLP-1RAs for their patients-a list of frequently asked questions with evidence-based answers on safely initiating and managing GLP-1RAs, and a practical decision-making algorithm to assist in using GLP-1RAs as part of a stroke reduction strategy.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,288
Écart entre enseignants0,256 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations85
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetDiabetes Treatment and ManagementTravaux en français237 207