The role of platelets in the recruitment of leukocytes during vascular disease
Notice bibliographique
Résumé
Besides their role in the formation of thrombus during haemostasis, it is becoming clear that platelets contribute to a number of other processes within the vasculature. Indeed, the integrated function of the thrombotic and inflammatory systems, which results in platelet-mediated recruitment of leukocytes, is now considered to be of great importance in the propagation, progression and pathogenesis of atherosclerotic disease of the arteries. There are three scenarios by which platelets can interact with leukocytes: (1) during haemostasis, when platelets adhere to and are activated on sub-endothelial matrix proteins exposed by vascular damage and then recruit leukocytes to a growing thrombus. (2) Platelets adhere to and are activated on stimulated endothelial cells and then bridge blood borne leukocytes to the vessel wall and. (3) Adhesion between platelets and leukocytes occurs in the blood leading to formation of heterotypic aggregates prior to contact with endothelial cells. In the following review we will not discuss leukocyte recruitment during haemostasis, as this represents a physiological response to tissue trauma that can progress, at least in its early stages, in the absence of inflammation. Rather we will deal with scenarios 2 and 3, as these pathways of platelet-leukocyte interactions are important during inflammation and in chronic inflammatory diseases such as atherosclerosis. Indeed, these interactions mean that leukocytes possess means of adhesion to the vessel wall under conditions that may not normally be permissive of leukocyte-endothelial cell adhesion, meaning that the disease process may be able to bypass the regulatory pathways which would ordinarily moderate the inflammatory response.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».