MétaCan
Menu
← Retour à la cohorte
Enregistrement W7098159701

Cardiovascular Diseases in the Americas

2016· article· en· W7098159701 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes, Cardiovascular Risks, and Lipoproteins
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObesityDiseaseContext (archaeology)Latin AmericansPopulationDiabetes mellitusDeveloped countryCause of death
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As elsewhere in the world, chronic non-communicable diseases (NCD) are rampant in the Americas. Population aging, smoking, unhealthy diet and physical inactivity, in the context of globalization and unregulated urbanization, explain the high prevalences of hypertension, hypercholesterolemia and diabetes in the region, making cardiovascular diseases (CVD) the main cause of death.[1,2] Recent studies in seven Latin American countries found prevalences in adults of 18 % for hypertension, 14 % for high cholesterol, 7 % for diabetes, 23 % for obesity and 30 % for smoking.[3] Given the region’s epidemiologic profi le, risk of a cardiovascular event in the next ten years is high in the adult population aged <70 years: up to 41 % in men and 18% in women in countries with very low infant and adult mortality (such as Canada, Cuba and the United States); up to 25 % and 17 % in men and women respectively, in countries with low infant and adult mortality (such as Argentina, Barbados and Chile) and up to 8 % and 6 % in men and women respectively, in countries with very high infant and adult mortality (such as Bolivia and Ecuador).[4] In the Americas in 2007, circulatory diseases (ICD-10, I00-I99) were responsible for approximately 30 % of deaths from all causes: 1,498,645 deaths. Four conditions were responsible for 87 % of these: ischemic heart disease (IHD) (ICD-10, I20-I25), cerebrovascular disease (ICD-10, I60-I69), cardiac insufficiency (ICD-10, I50) and hypertension (ICD-10,

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,004

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,231 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiabetes, Cardiovascular Risks, and Lipoproteins→Travaux en français237 207→