MétaCan
Menu
Retour à la cohorte
Enregistrement W1573284971 · doi:10.1212/wnl.82.10_supplement.p4.024

The Gender Divide in Multiple Sclerosis: A Review of the Environmental Factors Influencing the Increasing Prevalence of Multiple Sclerosis in Women (P4.024)

2014· review· en· W1573284971 sur OpenAlexaff
Rebecca Klein, Jodie Burton

Notice bibliographique

RevueNeurology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueMedical and Biological Ozone Research
Établissements canadiensAlberta Bible CollegeUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisMedicineEnvironmental healthGerontologyImmunology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore possible factors contributing to the increasing disparity in MS prevalence between women and men not purely of a genetic basis. BACKGROUND: The prevalence of MS is rising, and in particular the prevalence of RRMS in women is rising faster than MS in men. DESIGN/METHODS: The PUBMED database was searched over the timeframe of 2005 to 2013 using keywords “multiple sclerosis” AND: “vitamin D” “obesity” “increasing female incidence” “in-vitro fertilisation” or “smoking”. Only papers written in English with appropriate abstracts were screened and 32 pertinent articles were reviewed and included in this literature review. RESULTS: Obesity, smoking, reduced serum levels vitamin D metabolites, and changes in the reproductive behaviour of women in the Western world all appear to be candidates for environmental factors that may be modifying disease development risk, and contributing to a growing gender divide in MS. Many factors share the property of impacting serum levels of various forms of estrogen. As well, sun avoidance behaviour, greater in women, may also contribute to the difference in gender prevalence. CONCLUSIONS: There is a growing gender divide in the rates of RRMS, with increasing rates in women compared to men. There are multiple environmental and lifestyle factors that could be playing a role in gender inequality in this disease.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,145
Tête enseignante GPT0,311
Écart entre enseignants0,166 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetMedical and Biological Ozone ResearchTravaux en français237 207