National and international collaborations to advance research into vascular contributions to cognitive decline
Notice bibliographique
Résumé
Cerebrovascular disease is the second most common cause of cognitive disorders, usually referred to as vascular contributions to cognitive impairment and dementia (VCID) and makes some contribution to about 70 % of all dementias. Despite its importance, research into VCID has lagged as compared to cognitive impairment due to Alzheimer's disease. There is an increasing appreciation that closing this gap requires large national and international collaborations. This paper highlights 24 notable large-scale national and international efforts to advance research into VCID (MarkVCID, DiverseVCID, DISCOVERY, COMPASS-ND, HBC, RHU SHIVA, UK DRI Vascular Theme, STROKOG, Meta VCI Map, ISGC, ENIGMA-Stroke Recovery, CHARGE, SVDs@target, BRIDGET, CADASIL Consortium, CADREA, AusCADASIL, DPUK, DPAU, STRIVE, HARNESS, FINESSE, VICCCS, VCD-CRE Delphi). These collaborations aim to investigate the effects on cognition from cerebrovascular disease or impaired cerebral blood flow, the mechanisms of action, means of prevention and avenues for treatment. Consensus groups have been developed to harmonise global approaches to VCID, standardise terminology and inform management and treatment, and data sharing is becoming the norm. VCID research is increasingly a global collaborative enterprise which bodes well for rapid advances in this field.
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 | 0,112 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,004 |
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 ».