Cardiodiabetology: newer pharmacologic strategies for reducing cardiovascular disease risks
Notice bibliographique
Résumé
Globally, nearly 500 million adults currently have diabetes, which is expected to increase to approximately 700 million by 2040. Cardiovascular diseases (CVD), including coronary heart disease, stroke, heart failure, and peripheral arterial disease, are the principal causes of death in persons with diabetes. Key to the prevention of CVD is optimization of associated risk factors. However, few persons with diabetes are at recommended targets for key CVD risk factors including low-density lipoprotein-cholesterol (LDL-C), blood pressure, glycated hemoglobin, nonsmoking status, and body mass index. While lifestyle management forms the basis for the prevention and control of these risk factors, newer and existing pharmacologic approaches are available to optimize the potential for CVD risk reduction, particularly for the management of lipids, blood pressure, and blood glucose. For higher-risk patients, antiplatelet therapy is recommended. Medication for blood pressure, statins, and most recently, icosapent ethyl, have evidence for reducing CVD events in persons with diabetes. Newer medications for diabetes, including sodium glucose cotransporter 2 (SGLT2) inhibitors and glucagon-like peptide-1 receptor agonists, also reduce CVD and SGLT2 inhibitors in particular also reduce progression of kidney disease and reduce heart failure hospitalizations (HFHs). Most importantly, a multidisciplinary team is required to address the polypharmaceutical options to best reduce CVD risks persons with diabetes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».