MétaCan
Menu
Retour à la cohorte
Enregistrement W4407587560 · doi:10.1016/j.lana.2024.100964

Cardiovascular disease in the Americas: optimizing primary and secondary prevention of cardiovascular disease

2025· review· en· W4407587560 sur OpenAlexaff
Jon-David Schwalm, Philip Joseph, Darryl P. Leong, José López-López, Oyere Onuma, Álvaro Avezum, Marjan Walli-Attaei, Martin McKee

Notice bibliographique

RevueThe Lancet Regional Health - Americas · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensHamilton Health SciencesMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésDiseaseMedicinePrimary preventionSecondary preventionCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

While, many interventions can prevent cardiovascular disease (CVD), and its resulting morbidity or mortality, these are used sub-optimally in most countries. Therefore, health systems need to develop new approaches to ensure that proven CVD therapies are delivered widely. In this review, we describe five impactful implementation strategies which include: (1) Task shifting, (2) Use of mobile-Health (mHealth) support and virtual access to care, (3) simplified diagnostic and management algorithms for the prevention of CVD, (4) improving the use of combinations of medicines (i.e., polypill), and (5) patient engagement and role of patient-nominated peer support (i.e., treatment supporters). Adapting and tailoring these strategies to the local context in different settings in various countries in the Americas and the Caribbean can reduce the morbidity and mortality of CVD substantially.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,958
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,113
Tête enseignante GPT0,393
Écart entre enseignants0,280 · 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.

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

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - AmericasMême sujetChronic Disease Management StrategiesTravaux en français237 207