MétaCan
Menu
Retour à la cohorte
Enregistrement W4399555359 · doi:10.1016/j.jchf.2024.04.025

Where Are We With Treatment and Prevention of Heart Failure in Patients Post–Myocardial Infarction?

2024· article· en· W4399555359 sur OpenAlexaff
Jaclyn Carberry, Guillaume Marquis‐Gravel, Eileen O’Meara, Kieran F. Docherty

Notice bibliographique

RevueJACC Heart Failure · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineMyocardial infarctionHeart failureInternal medicineCardiologyAdverse effectRisk stratificationNeprilysinIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

As a result of the widespread use of reperfusion therapies and secondary prevention over the last 30 years, there has been a dramatic reduction in the risk of mortality and development of heart failure (HF) following acute myocardial infarction (MI). Despite this, the development of chronic HF remains a common occurrence in the days, months, and years following MI. Neurohormonal inhibition remains the mainstay of pharmacologic prevention of HF following MI, with recent trials showing an additive benefit of a neprilysin inhibitor or a sodium glucose co-transporter 2 inhibitor in reducing the risk of development of HF but no significant effect on mortality. Novel imaging tools may help refine risk stratification in high-risk patients and allow greater targeting of preventative therapies in patients most likely to benefit. Research is ongoing into novel therapies aiming to minimize the degree of myocardial damage and prevention of progressive adverse remodeling following MI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,574

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,261
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJACC Heart FailureMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207