MétaCan
Menu
Retour à la cohorte
Enregistrement W1978518503 · doi:10.1007/s10557-013-6507-4

Tmem time: Memory T-Cells in Cardiac Allograft Vasculopathy

2014· letter· en· W1978518503 sur OpenAlexaff
Michael A. Seidman

Notice bibliographique

RevueCardiovascular Drugs and Therapy · 2014
Typeletter
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineCardiac allograft vasculopathyCardiologyCoronary arteriesIschemiaTransplantationInternal medicineCoronary artery diseaseDiseaseHeart transplantationIntravascular ultrasoundThickeningArtery

Résumé

récupéré en direct d'OpenAlex

Heart transplantation has been extremely successful as a field, but continues to be plagued by a small number of severe complications. Among these, one of the most frustrating may be cardiac allograft vasculopathy (CAV), a concentric non-atherosclerotic intimal thickening leading to narrowing of the cardiac arterial vasculature and progressive ischemia in allografts [1]. A similar phenomenon is seen in all transplanted organs, and seems to be an immunologically mediated event, despite limited to no response to current immunosuppressive therapies. This CAV phenomenon is one of the most limiting factors in the survival of an individual with a cardiac allograft, and is a common cause of ischemic disease leading to graft failure and retransplantation or death. CAV can involve epicardial coronary arteries, thus clinically mimicking atherosclerotic disease, as well as intramyocardial arteries of any size. Coronary angiography performed on transplant patients is effective at monitoring the epicardial disease, and biopsy features may suggest ischemic damage, but there are no good tools yet for formally monitoring the small vessel narrowing (although surrogate measures of perfusion do exist) [2,3]. Likewise, while stents and bypass are available on a selected basis for the epicardial vessels, no such therapies exist for the small vessel pathology [4–6].

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)0,006
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,000
Intégrité de la recherche0,0140,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiovascular Drugs and TherapyMême sujetTransplantation: Methods and OutcomesTravaux en français237 207