MétaCan
Menu
Retour à la cohorte
Enregistrement W1997942208 · doi:10.1080/07853890310010014

Genetics of alcohol and tobacco use in humans

2003· review· en· W1997942208 sur OpenAlexaff
Rachel F. Tyndale

Notice bibliographique

RevueAnnals of Medicine · 2003
Typereview
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensCanada Research ChairsCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésNicotineHeritabilityTwin studyConfoundingCandidate geneGeneticsAlcohol dependenceMissing heritability problemNicotine dependenceBiologyHuman geneticsGeneBioinformaticsMedicineGenetic variantsAlcoholNeuroscienceGenotypePathology

Résumé

récupéré en direct d'OpenAlex

The field of genetics holds great promise for furthering our understanding of the etiology of drug dependence and for identifying novel targets for treatment. Genetic studies utilizing twins and families have demonstrated a considerable role for genetics in nicotine and/or alcohol dependence. Risk for alcoholism or nicotine dependence is likely to be the result of a large number of genes, each contributing a small fraction of the overall risk. While this review will focus on studies in humans, many of the candidate genes for human nicotine and alcohol dependence listed here were originally postulated to be important, based on data from animal studies. The review will briefly summarize the results from twin and adoption studies that provide estimations of heritability, the results from chromosomal linkage studies that identify regions of chromosomes that may contain relevant genes, and the results of candidate gene studies. For each topic the data will be presented for nicotine dependence, alcohol dependence, and for nicotine and alcohol dependence together. In addition, each section will review briefly some of the confounding issues in the specific type of approach utilized.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,334
Tête enseignante GPT0,452
Écart entre enseignants0,118 · 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

Citations219
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of MedicineMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207