MétaCan
Menu
Retour à la cohorte
Enregistrement W1502015275 · doi:10.1159/000324009

Molecular Mechanisms of Sepsis

2011· review· en· W1502015275 sur OpenAlexafffund
James A. Russell, John H. Boyd, Taka Nakada, Simone A. Thair, Keith R. Walley

Notice bibliographique

RevueContributions to microbiology · 2011
Typereview
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensSt. Paul's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSepsisFibrinolysisMedicineInflammationCancerImmunologyBioinformaticsBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

In cancer, therapies are targeted at 6 important pathways. In sepsis, there is ongoing controversy regarding the number and relative roles of pathways that are activated or repressed and which are important in the progression from health to death. Adding to complexity, there is interaction of pathways, there are differences in temporal pattern of up and down-regulation of pathways and there are different responses of pathways to therapies of sepsis. In this review, we define four key pathways of sepsis: (1) inflammation and immunity, (2) coagulation and fibrinolysis, (3) apoptosis, and (4) endocrine. Each of these pathways can impair endothelial function, a unifying aspect of the pathophysiology of sepsis. There are few studies of interactions of pathways except for the interacttion of inflammation/immunity with coagulation/fibrinolysis. Successful treatment of cancer requires that cancer therapies interrupt several key pathways of cancer. Accordingly, we suggest that successful treatment of sepsis will require therapies that interrupt several key pathways of sepsis. Perhaps the paucity of approved therapies for sepsis is related in part to the underevaluation of novel pathways, to lack of understanding of interactions of pathways and to lack of interruption of key pathways of sepsis.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,073
Tête enseignante GPT0,385
Écart entre enseignants0,312 · 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

Citations39
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContributions to microbiologyMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207