Unique cardiometabolic factors in women that contribute to modified cardiovascular disease risk
Notice bibliographique
Résumé
Major risk factors of cardiovascular disease (CVD) include hypertension, obesity, diabetes mellitus and metabolic syndrome; all of which are considered inflammatory conditions. Women are disproportionately affected by inflammatory conditions, with sex differences emerging as early as adolescence. Hormonal fluctuations associated with reproductive events such as menarche, pregnancy and menopause, are hypothesized to promote a pro-inflammatory state in women. Moreover, women who have experienced inflammatory-type conditions such as polycystic ovarian syndrome (PCOS), gestational diabetes or pre-eclampsia, have a cardiometabolic phenotype that pre-disposes to increased risk of myocardial infarction, stroke and coronary heart disease. Women with no notable CVD risk factors are often relatively protected from CVD pre-menopause; but overtake men in risk of major cardiovascular events when the cardiovascular protective effects of oestrogen begin to wane. Sex differences and female-specific factors have long been considered challenging to study and this has led to an underrepresentation of females in clinical trials and lack of female-specific data from pre-clinical studies. However, there is now a clear prerogative to include females at all stages of research, despite inherent complexities and potential variability in data. This review explores recent advancements in our understanding of CVD in women. We summarise the underlying factors unique to women that can promote CVD risk factors, ultimately contributing to CVD burden and the emerging therapies aimed to combat this.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».