MétaCan
Menu
Retour à la cohorte
Enregistrement W1279320375 · doi:10.1042/cs20150075

Iron metabolism and regulation by neutrophil gelatinase-associated lipocalin in cardiomyopathy

2015· review· en· W1279320375 sur OpenAlexafffund
Yee Kwan Chan, Hye Kyoung Sung, Gary Sweeney

Notice bibliographique

RevueClinical Science · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLipocalinContext (archaeology)BiomarkerHeart failureMechanism (biology)DiseaseCardiomyopathyMedicineBioinformaticsBiologyInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

Neutrophil gelatinase-associated lipocalin (NGAL) has recently become established as an important contributor to the pathophysiology of cardiovascular disease. Accordingly, it is now viewed as an attractive candidate as a biomarker for various disease states, and in particular has recently become regarded as one of the best diagnostic biomarkers available for acute kidney injury. Nevertheless, the precise physiological effects of NGAL on the heart and the significance of their alterations during the development of heart failure are only now beginning to be characterized. Furthermore, the mechanisms via which NGAL mediates its effects are unclear because there is no conventional receptor signalling pathway. Instead, previous work suggests that regulation of iron metabolism could represent an important mechanism of NGAL action, with wide-ranging consequences spanning metabolic and cardiovascular diseases to host defence against bacterial infection. In the present review, we summarize rapidly emerging evidence for the role of NGAL in regulating heart failure. In particular, we focus on iron transport as a mechanism of NGAL action and discuss this in the context of the existing strong associations between iron overload and iron deficiency with cardiomyopathy.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
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)0,0020,001

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 Opus0,144
Tête enseignante GPT0,482
Écart entre enseignants0,339 · 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

Citations24
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ScienceMême sujetAcute Kidney Injury ResearchTravaux en français237 207