MétaCan
Menu
Retour à la cohorte
Enregistrement W4280624499 · doi:10.3389/fphar.2022.856747

Adenosine in Acute Myocardial Infarction-Associated Reperfusion Injury: Does it Still Have a Role?

2022· review· en· W4280624499 sur OpenAlexaff
Corrado De Marco, Thierry Charron, Guy Rousseau

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Ischemia and Reperfusion
Établissements canadiensUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineMyocardial infarctionAdenosineMyocardial Reperfusion InjuryReperfusion injuryCardiologyCardioprotectionInfarctionInternal medicinePharmacologyAnesthesiaIschemia

Résumé

récupéré en direct d'OpenAlex

The mainstay of acute myocardial infarction has long been timely reperfusion of the culprit obstruction. Reperfusion injury resulting from a multitude of pathophysiological processes has been demonstrated to negatively affect myocardial recovery and function post-infarction. Adenosine interacts directly with the sequential pathophysiological processes culminating in reperfusion injury by inhibiting them upstream. The evidence for adenosine's benefit in acute myocardial infarction has produced mixed results with regards to myocardial salvage and long-term mortality. The heterogenous evidence with regards to benefits on clinical outcomes has resulted in modest uptake of adenosine in the clinical setting. However, it is critical to analyze the variability in study methodologies. The goal of this review is to evaluate how adenosine dose, route of administration, timing of administration, and site of administration play essential roles in the molecule's efficacy. The benefits of adenosine, as highlighted in the following review, are clear and its role in the treatment of acute myocardial infarction should not be discounted.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,331
Écart entre enseignants0,317 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetCardiac Ischemia and ReperfusionTravaux en français237 207