Managing thrombotic risk in patients with diabetes
Notice bibliographique
Résumé
It is well known that diabetes is a prominent risk factor for cardiovascular (CV) events. The level of CV risk depends on the type and duration of diabetes, age and additional co-morbidities. Diabetes is an independent risk factor for atrial fibrillation (AF) and is frequently observed in patients with AF, which further increases their risk of stroke associated with this cardiac arrhythmia. Nearly one third of patients with diabetes globally have CV disease (CVD). Additionally, co-morbid AF and coronary artery disease are more frequently observed in patients with diabetes than the general population, further increasing the already high CV risk of these patients. To protect against thromboembolic events in patients with diabetes and AF or established CVD, guidelines recommend optimal CV risk factor control, including oral anticoagulation treatment. However, patients with diabetes exist in a prothrombotic and inflammatory state. Greater clinical benefit may therefore be seen with the use of stronger antithrombotic agents or innovative drug combinations in high-risk patients with diabetes, such as those who have concomitant AF or established CVD. In this review, we discuss CV risk management strategies in patients with diabetes and concomitant vascular disease, stroke prevention regimens in patients with diabetes and AF and how worsening renal function in these patients may complicate these approaches. Accumulating evidence from clinical trials and real-world evidence show a benefit to the administration of non-vitamin K antagonist oral anticoagulants for stroke prevention in patients with diabetes and AF.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».