MétaCan
Menu
Retour à la cohorte
Enregistrement W4402846019 · doi:10.31579/2692-9759/104

Peripheral Vascular Disease

2023· article· en· W4402846019 sur OpenAlexfundno aff
Rehan Haider

Notice bibliographique

RevueCardiology Research and Reports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePeripheral Artery Disease Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of KarachiUniversity of Calgary
Mots-clésPeripheralMedicineDiseaseVascular diseasePathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Peripheral vascular disease comprises diseases of the arteries and veins outside the thoracic region.: peripheral arterial disease (PAD), carotid artery disease (CAD), and aortic aneurysmatic disorder (AAA). Other rare manifestations of atherosclerotic disorders (e.g., renovascular high blood pressure, abdominal angina, and ischemia of the top extremity) were briefly noted. Special concerns in patients with diabetes are addressed in relevant sections; for instance, infection in an ischemic foot in an affected person with diabetes is described within the phase of critical limb ischemia. Atherosclerosis is the primary cause of peripheral arterial vascular ailments. It is vital to appreciate that the pathogenic mechanisms of clinical atherosclerosis are dual: chronic obstruction and biotic. The chronic obstructive mechanism is the primary purpose of lower limb ischemia, and in patients with diabetes, it is far more regularly preceded by a thrombotic occasion. An affected person with moderate clay diction abruptly studies significantly shortening of walking distance or surprising onset of rest ache. Alternatively, the seemingly wholesome character develops claudication. A coronary period heart attack or stroke in an affected person with claudication is also a thrombotic event in a patient with chronic obstructive disorder. In general, patients with diabetes greater frequently develop symptoms of atherosclerotic headaches, they do it at a younger age and it may be greater difficult to treat and feature greater headaches with treatment (in particular with invasive treatment.

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)0,001
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 enseignants0,067
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,064
Tête enseignante GPT0,371
Écart entre enseignants0,307 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiology Research and ReportsMême sujetPeripheral Artery Disease ManagementTravaux en français237 207