MétaCan
Menu
Retour à la cohorte
Enregistrement W4410550806 · doi:10.1016/j.jacasi.2025.03.011

Epidemiology of Valvular Heart Disease in Asia Pacific Region

2025· review· en· W4410550806 sur OpenAlexaff
Chak-Yu So, Jonathan Yap, Guangyuan Song, Karl Poon, Shih‐Hsien Sung, Mann Chandavimol, Kentaro Hayashida, Duk‐Woo Park, See-Hooi Ewe, Mi Chen, Juri Iwata, Tarinee Tangcharoen, Paul Jie Wen Tern, Han-Su Park, Mirvat Alasnag, Yohei Ohno, Jimmy Kim Fatt Hon, Rohan Bhagwandeen, Minoru Tabata, Alex Pui‐Wai Lee, Hasan Jilaihawi, Dee Dee Wang, Gilbert H.L. Tang, D. Scott Lim, Thomas Modine, Yat-Yin Lam

Notice bibliographique

RevueJACC Asia · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Valve Diseases and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyvalvular heart diseaseDiseaseMedicineCardiologyAsia pacificInternal medicineGeographyBusinessInternational trade

Résumé

récupéré en direct d'OpenAlex

Valvular heart disease poses a significant health burden in the Asia-Pacific region, with its epidemiology varying widely across countries caused by diverse socioeconomic and health care situations. Rheumatic heart disease remains prevalent, especially in low- to middle-income areas, while degenerative valvular diseases are emerging in developed regions caused by an aging population. Significant disparities in access to health care and intervention result in variable clinical outcomes. In the past decade, transcatheter interventions have revolutionized the management of patients with valvular heart disease globally. In the Asia-Pacific region, the uptake and development of transcatheter valvular interventions has been slow until recent years. Continued collaboration across the Asia-Pacific region is essential to mitigate the impact of the upcoming surge of valvular heart disease in this diverse and rapidly changing area.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,427
Écart entre enseignants0,371 · 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

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJACC AsiaMême sujetCardiac Valve Diseases and TreatmentsTravaux en français237 207