MétaCan
Menu
Retour à la cohorte
Enregistrement W4387439311 · doi:10.1161/cir.0000000000001184

Cardiovascular-Kidney-Metabolic Health: A Presidential Advisory From the American Heart Association

2023· review· en· W4387439311 sur OpenAlexfundno aff
Chiadi E. Ndumele, Janani Rangaswami, Sheryl L. Chow, Ian J. Neeland, Katherine R. Tuttle, Sadiya S. Khan, Josef Coresh, Roy O. Mathew, Carissa M. Baker‐Smith, Mercedes R. Carnethon, Jean‐Pierre Després, Jennifer E. Ho, Joshua J. Joseph, Walter N. Kernan, Amit Khera, Mikhail Kosiborod, Carolyn L. Lekavich, Eldrin F. Lewis, Kevin Bryan Lo, Bige Ozkan, Latha Palaniappan, Sonali S. Patel, Michael Pencina, Tiffany M. Powell‐Wiley, Laurence Sperling, Salim S. Virani, Jackson T. Wright, Radhika Rajgopal Singh, Mitchell S.V. Elkind

Notice bibliographique

RevueCirculation · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensnon disponible
Organismes subventionnairesJanssen PharmaceuticalsNational Heart, Lung, and Blood InstituteCenters for Disease Control and PreventionNational Institutes of HealthNational Center for Advancing Translational SciencesAgencja Badań MedycznychMcGill University Health CentreMcGill UniversityNational Institute of Neurological Disorders and StrokeNovo NordiskHealth Services Research and DevelopmentUniversity of WashingtonU.S. Department of Veterans AffairsPatient-Centered Outcomes Research InstituteAstraZenecaEli Lilly and CompanyEmory University
Mots-clésMedicineKidney diseaseMetabolic syndromeIntensive care medicineDiseasePopulationSubspecialtyKidneyInternal medicineObesityEnvironmental healthPathology

Résumé

récupéré en direct d'OpenAlex

Cardiovascular-kidney-metabolic health reflects the interplay among metabolic risk factors, chronic kidney disease, and the cardiovascular system and has profound impacts on morbidity and mortality. There are multisystem consequences of poor cardiovascular-kidney-metabolic health, with the most significant clinical impact being the high associated incidence of cardiovascular disease events and cardiovascular mortality. There is a high prevalence of poor cardiovascular-kidney-metabolic health in the population, with a disproportionate burden seen among those with adverse social determinants of health. However, there is also a growing number of therapeutic options that favorably affect metabolic risk factors, kidney function, or both that also have cardioprotective effects. To improve cardiovascular-kidney-metabolic health and related outcomes in the population, there is a critical need for (1) more clarity on the definition of cardiovascular-kidney-metabolic syndrome; (2) an approach to cardiovascular-kidney-metabolic staging that promotes prevention across the life course; (3) prediction algorithms that include the exposures and outcomes most relevant to cardiovascular-kidney-metabolic health; and (4) strategies for the prevention and management of cardiovascular disease in relation to cardiovascular-kidney-metabolic health that reflect harmonization across major subspecialty guidelines and emerging scientific evidence. It is also critical to incorporate considerations of social determinants of health into care models for cardiovascular-kidney-metabolic syndrome and to reduce care fragmentation by facilitating approaches for patient-centered interdisciplinary care. This presidential advisory provides guidance on the definition, staging, prediction paradigms, and holistic approaches to care for patients with cardiovascular-kidney-metabolic syndrome and details a multicomponent vision for effectively and equitably enhancing cardiovascular-kidney-metabolic health in the population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,032
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,002
Communication savante0,0110,006
Science ouverte0,0040,004
Intégrité de la recherche0,0250,037
Charge utile insuffisante (le modèle a refusé de juger)0,0350,024

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 Opus0,066
Tête enseignante GPT0,348
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations1 653
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetDiet and metabolism studiesTravaux en français237 207