MétaCan
Menu
← Retour à la cohorte
Enregistrement W1598240179

Dust events, pulmonary diseases and immune system.

2014· article· en· W1598240179 sur OpenAlexaff
Nafiseh Esmaeil, Marjan Gharagozloo, Abbas Rezaei, Gabriele Grünig

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésImmune systemImmunologyChemokineCytotoxic T cellInnate immune systemBiologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Incidences of sand storms have increased in recent years and there is evidence that these dusts can move across long distances. Sand dusts have different adverse effects on health, but one of the most important of them is pulmonary disease. After inhalation of dust, many dust particles are moved to the airways. Dust particles can be sensed by airways epithelial cells, activate macrophages, dendritic cells and innate immune cells and then initiate responses in various populations of specific immune cells such as T helper cells subsets (Th1, Th2, Th17), T cytotoxic cells and B cells. Initiation of inflammatory immune responses, activation of immune cells and releases of many cytokines, chemokines and other inflammatory molecules, have variable pathologic affects on lung in different respiratory diseases. Unfortunately control of desert dusts is more difficult than control of air pollution. For prevention and treatment of respiratory diseases that are caused by desert dusts, researchers need well-designed epidemiological studies, combined with analysis of the precise composition of sand dusts, and the precise mechanisms of the immune responses. Recognizing the exact cellular and molecular immune mechanisms would be very useful to find new approaches for treatment of desert dust associated pulmonary diseases.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,021
Tête enseignante GPT0,229
Écart entre enseignants0,208 · 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

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetAir Quality and Health Impacts→Travaux en français237 207→