How to Manage Cardiovascular Disease in Psoriatic Disease: Evidence and Time Management in Clinic
Notice bibliographique
Résumé
Early recognition and appropriate management of cardiovascular (CV) disease (CVD) in patients with psoriatic disease (PsD) is critical for prevention of early morbidity and mortality. PsD and CVD share common pathogenic mechanisms, including upregulation of proinflammatory cytokines like tumor necrosis factor. Potential CV comorbidities should be assessed in all patients with PsD through clinical history, risk factor assessment (eg, diabetes, hypertension, dyslipidemia), blood tests, and imaging, when required. Collaboration with the patient's primary care physician is essential, offering preventive measures such as healthy lifestyle advice (eg, diet, exercise, weight loss, smoking and drinking cessation). Management of comorbid conditions requires a multidisciplinary setting of family doctors, internists, cardiologists, dermatologists, and rheumatologists. Treating psoriatic arthritis and psoriasis to remission is recommended; however, the data on CVD risk modification remain inconclusive, necessitating further studies. Thus, routine CVD assessment and management should be provided to patients with PsD, despite practical difficulties such as clinical time constraints and lack of support staff. The evidence and experiences of a dermatologist and rheumatologist assessing and managing CVD in clinic were presented at the Group for Research and Assessment of Psoriasis and Psoriatic Arthritis (GRAPPA) 2024 annual meeting.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».