Diagnostiquer l’hypertension artérielle: Données probantes à l’appui des recommandations 2015 du Programme éducatif canadien sur l’hypertension
Bibliographic record
Abstract
OBJECTIF: Mettre en lumière les recommandations 2015 du Programme éducatif canadien sur l’hypertension (PECH) sur le diagnostic et l’évaluation de l’hypertension artérielle (HTA). QUALITÉ DES DONNÉES: Une recherche systématique remontant à août 2014 a été effectuée par un bibliothécaire de la Collaboration Cochrane dans les banques de données MEDLINE et PubMed. Les résultats de la recherche ont fait l’objet d’une évaluation critique par le sous-comité du PECH sur la mesure de la pression artérielle (PA) et le diagnostic d’HTA, et les recommandations fondées sur les données probantes ont été soumises au Comité central d’examen du PECH aux fins d’examen indépendant et de classement. Finalement, les résultats et recommandations ont été présentés au Groupe de travail sur les recommandations aux fins de discussion, de débat, d’approbation et de vote. Les principales recommandations reposent sur des données probantes de niveau II. MESSAGE PRINCIPAL: Selon les données probantes les plus récentes, le PECH a formulé 4 nouvelles recommandations classées dans 2 vastes catégories pour améliorer la mesure de la PA et la façon dont l’HTA est diagnostiquée en 2015. Il est fortement recommandé de mesurer la PA à l’aide d’appareils électroniques en clinique plutôt que par auscultation. Chez les patients dont les mesures en clinique sont élevées, le PECH recommande de se tourner précocement vers les mesures ambulatoires, préférablement le monitorage ambulatoire de la PA, afin d’identifier rapidement les patients atteints du syndrome du sarrau blanc. CONCLUSION: Il est crucial d’améliorer la justesse diagnostique afin d’optimiser la prise en charge de l’HTA au Canada. Les mises à jour annuelles du PECH veillent à ce que les praticiens disposent de renseignements fondés sur les données probantes à jour pour éclairer leur pratique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.073 | 0.297 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.008 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".