MétaCan
Menu
Retour à la cohorte
Enregistrement W1972815047 · doi:10.2147/tcrm.s9165

Molecular mechanisms and treatment strategies for Dupuytren’s disease

2010· article· en· W1972815047 sur OpenAlexaffabout
Bing Siang Gan

Notice bibliographique

RevueTherapeutics and Clinical Risk Management · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueDupuytren's Contracture and Treatments
Établissements canadiensRogers Communications (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineDiseasePathophysiologyPresentation (obstetrics)Treatment modalityTherapeutic modalitiesBioinformaticsDermatologyPathologyInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Molecular mechanisms and treatment strategies for Dupuytren’s disease David B O’Gorman1,2,3,4, Linda Vi1,2,5, Bing Siang Gan1,2,3,5,61Cell and Molecular Biology Laboratory, 2The Hand and Upper Limb Centre, St. Joseph’s Health Care London, Schulich School of Medicine and Dentistry, 3Departments of Surgery, 4Biochemistry, 5Physiology and Pharmacology, 6Medical Biophysics, The University of Western Ontario, London, OT, CanadaAbstract: Dupuytren’s disease (DD) is a common disease of the hand and is characterized by thickening of the palmar fascia and formation of tight collagenous disease cords. At present, the disease is incurable and the molecular pathophysiology of DD is unknown. Surgery remains the most commonly used treatment for DD, but this requires extensive postoperative therapy and is associated with high rates of recurrence. Over the past decades, more indepth exploration of the molecular basis of DD has raised the hopes of developing new treatment modalities. This paper reviews the clinical presentation and molecular pathophysiology of this disease, as well as current and emerging treatment. It also explores the implications of new findings in the laboratory for future treatment.Keywords: Dupuytren’s contracture, Dupuytren’s disease, fibrosis

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,371
Écart entre enseignants0,332 · 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

Citations21
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTherapeutics and Clinical Risk ManagementMême sujetDupuytren's Contracture and TreatmentsTravaux en français237 207