HEARTS en las Américas: un ejemplo mundial del uso de dispositivos automatizados de medición de la presión arterial validados clínicamente en la prevención y el manejo de las enfermedades cardiovasculares en entornos de atención primaria de salud
Notice bibliographique
Résumé
Las enfermedades cardiovasculares (ECV) son la causa principal de la carga de enfermedad en la Región de las Américas que, en el 2017, ocasionó más de dos millones de muertes, una tercera parte del total para ese año.Por sorprendente que parezca, existe la amenaza de que las ECV tengan un impacto aún mayor en los próximos años, en vista de la tendencia al aumento registrada en la última década (1).La presión arterial (PA) elevada es un factor de riesgo significativo para el desarrollo de las ECV, y causa más de 50% de las cardiopatías isquémicas y de los accidentes cerebrovasculares y 17% del total de muertes a nivel mundial (2).La prevalencia de la hipertensión (definida como PAS/PAD ≥140/90 mmHg o bajo tratamiento con medicamentos antihipertensivos) en América Latina y el Caribe es de 28% en mujeres y de 43% en hombres (3).Por lo tanto, la detección y el tratamiento eficaces de la hipertensión son fundamentales para la prevención de las ECV y la disminución de la morbilidad y la mortalidad por esta causa (4).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».