MétaCan
Menu
Retour à la cohorte
Enregistrement W4394569714 · doi:10.1016/j.jacadv.2024.100877

TAVR in Older Adults

2024· article· en· W4394569714 sur OpenAlexaff
Abdulla A. Damluji, Gwen M. Bernacki, Jonathan Afilalo, Radmila Lyubarova, Ariela R. Orkaby, Min Ji Kwak, Scott L. Hummel, James N. Kirkpatrick, Matthew J. Maurer, Nanette K. Wenger, Michael W. Rich, Dae Hyun Kim, Roberta Y. Wang, Daniel E. Forman, Ashok Krishnaswami

Notice bibliographique

RevueJACC Advances · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institute on AgingPatient-Centered Outcomes Research InstituteU.S. Department of Veterans Affairs
Mots-clésRisk stratificationMedicineStenosisValve replacementOlder peopleIntensive care medicineCardiologyInternal medicineGerontology

Résumé

récupéré en direct d'OpenAlex

Calcific aortic stenosis can be considered a model for geriatric cardiovascular conditions due to a confluence of factors. The remarkable technological development of transcatheter aortic valve replacement was studied initially on older adult populations with prohibitive or high-risk for surgical valve replacement. Through these trials, the cardiovascular community has recognized that stratification of these chronologically older adults can be improved incrementally by invoking the concept of frailty and other geriatric risks. Given the complexity of the aging process, stratification by chronological age should only be the initial step but is no longer sufficient to optimally quantify cardiovascular and noncardiovascular risk. In this review, we employ a geriatric cardiology lens to focus on the diagnosis and the comprehensive management of aortic stenosis in older adults to enhance shared decision-making with patients and their families and optimize patient-centered outcomes. Finally, we highlight knowledge gaps that are critical for future areas of study.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,352
Écart entre enseignants0,347 · 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

Citations36
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJACC AdvancesMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207