MétaCan
Menu
Retour à la cohorte
Enregistrement W1755519748 · doi:10.1093/cid/civ615

T-Cell Therapy: Options for Infectious Diseases: Table 1.

2015· review· en· W1755519748 sur OpenAlexaff
Shreemanta K. Parida, Thomas Poiret, Qingda Meng, Jan Heyckendorf, Christoph Lange, Aditya Ambati, Martin Rao, Davide Valentini, Giovanni Ferrara, Elena Rangelova, Ernest Dodoo, Alimuddin Zumla, Markus Maeurer

Notice bibliographique

RevueClinical Infectious Diseases · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesMedical Research CouncilUBS Optimus FoundationEuropean and Developing Countries Clinical Trials PartnershipEuropean Commission
Mots-clésMedicineTable (database)Infectious disease (medical specialty)Intensive care medicineVirologyInternal medicineDiseaseData mining

Résumé

récupéré en direct d'OpenAlex

The emergence of drug-resistant tuberculosis is challenging tuberculosis control worldwide. In the absence of an effective vaccine to prevent primary infection with Mycobacterium tuberculosis and tuberculosis disease, host-directed therapies may offer therapeutic options, particularly for patients with multidrug-resistant and extensively drug-resistant tuberculosis where prognosis is often limited. CD8(+) and CD4(+) T cells mediate antigen-specific adaptive cellular immune responses. Their use in precision immunotherapy in clinical conditions, especially in treating cancer as well as for prevention of life-threatening viral infections in allogeneic transplant recipients, demonstrated safety and clinical efficacy. We review key achievements in T-cell therapy, including the use of recombinant immune recognition molecules (eg, T-cell receptors and CD19 chimeric antigen receptors), and discuss its potential in the clinical management of patients with drug-resistant and refractory tuberculosis failing conventional therapy.

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)0,000
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 enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,009

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 Opus0,170
Tête enseignante GPT0,485
Écart entre enseignants0,316 · 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

Citations48
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetCAR-T cell therapy researchTravaux en français237 207