← Retour à la cohorte
Accelerated vascular ageing after COVID-19 infection: the CARTESIAN study
Rosa María Bruno, Smriti Badhwar, Leïla Abid, Mohsen Agharazii, Fabio Anastasio, Jérémy Bellien, Luca Faconti, Jan Filipovský, Lorenzo Ghiadoni, Cristina Giannattasio, Bernhard Hametner, Alun D. Hughes, Ana Jerončić, Ignatios Ikonomidis, Mai Tone Lønnebakken, Alessandro Maloberti, Christopher Mayer, María Lorenza Muiesan, Andrie G. Panayiotou, Chloe Park, Chakravarthi Rajkumar, Carlos G. Ramos Becerra, Bart Spronck, Dimitrios Terentes‐Printzios, Yeşim Tunçok, Thomas Weber, Pierre Boutouyrie, Herta Almhofer, Kathen Danninga, Margot Algner, Martin Wernhart, Marie-Kathrin Breyer, Luiz Aparecido Bortolotto, José Fernando Vilela-Martin, Rogério Toshiro Passos Okawa, Jaqueline Lyrio Bermudes Okawa, Weimar Kunz Sebba Barroso, Emmanuel Gomes Ciolac, Vanessa Teixeira do Amaral, Briandy Fernández-Marrero, Rémi Goupil, Catherine Fortier, Galatia Photiou, Jan Filipovský, Otto Mayer, Jitka Seidlerová, Petr Pazdiora, Jana Hirmerová, Lucie Šustková, Simona Bílková, Július Gelžinský, Veronika Kordíková, Štěpán Mareš, Renata Cífková, Peter Wohlfahrt, Jana Kavalírová, Hakim Khettab, Junior Justin, Diego Moriconi, Saverio Fabbri, Jean‐Sébastien Hulot, Antoine Fayol, Marie Courbebaisse, Béatrice Parfait, David Lebeaux, Gérard Friedlander, Robinson Joannidès, Michèle Iacob, Anne‐Marie Leroi, Athanase Bénétos, Ioannis Georgiopoulos, Georgia Christopoulou, Konstantinos Tsioufis, Vasiliki Gardikioti, Charalambos Vlachopoulos, Vaia Lambadiari, Κ Katogiannis, Mario Podrug, Mirela Pavičić-Ivelja, Pjero Koren, Massimo Salvetti, Marco Cacciatore, Giacomo Pucci, Elisa Scarnecchia, Michela Algeri, Antonella Moreo, Chiara Tognola, Andrea Grillo, Bruno Fabris, Matteo Rovina, Giuliano Di Pierro, Sabina Armenia, Elisabetta Bianchini, Luca Zanoli, Pietro Castellino, Arturo Montineri, Alice Sciuto, Davide Grassi, Jolita Badarienė, Ligita Ryliškytė, Agnė Laučytė-Cibulskienė, Ligita Jančorienė, Kristina Ryliškienė, Agnė Jucevičienė, M. Kovaite, Laura Balkevičienė, Carlos G. Ramos-Becerra, Guillermo Alanis-Sánchez, Pedro Martínez-Ayala, Ernesto Germán Cardona-Muñóz, David Cardona‐Müller, Ch. Berge, Lucimére Bohn, José Gerardo Oliveira, Emilia Alves, Telmo Pereira, Armando Caseiro, Fábio Santos Lira, M. Rosa Bernal‐López, María de la Caridad Casanova Moreno, Ricardo Gómez‐Huelgas, Almudena López‐Sampalo, Jaime Sanz Cánovas, Victor Antonio Vargas Cancela, Lidia Cobos-Palacios, Juan José Mancebo Sevilla, Ebru Özpelit, Canet İncir, Mustafa Barış, Ali Cantürk, Hasan Can Cimilli, Salem Abdessalem, Amine Bahloul, Rania Hammami, M. Walha, Alexandra Jamieson, Phil Chowienczyk, Bushra Farukh, Riaz Akhtar, Alena Shantsila, Gregory Lip, Alvaro N. Gurovich, Lee Stoner, Michelle N. Meyer, Erik D. Hanson, Gabriel Zieff, Patricia Pagán-Lassalle, Lauren Bates
Notice bibliographique
RevueEuropean Heart Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversité Laval
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de ParisUniversità degli Studi di PerugiaAssistance publique-Hôpitaux de ParisUniversidade Estadual PaulistaAustrian Institute of TechnologyFaculdade de Medicina de São José do Rio PretoUniversidade de São PauloUniversity of CyprusNational and Kapodistrian University of AthensRégion NormandieCentre Hospitalier Universitaire de QuébecFaculdade de Medicina da Universidade de São PauloChina University of Petroleum, BeijingUniversidade Federal de GoiásAXA Research FundUniversità degli Studi di BresciaUniversité de MontréalUniversité de LorraineCyprus University of TechnologyUniversité Laval
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Ageing2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyIntensive care medicineInternal medicine
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
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.
score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,175
Score d'incertitude au seuil0,688
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 Opus0,037
Tête enseignante GPT0,352
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations23
Publié2025
Routes d'admission2
Résumé présentoui