MétaCan
Menu
Retour à la cohorte
Enregistrement W2010411786 · doi:10.1111/cei.12532

7<sup>th</sup>International Immunoglobulin Conference: Mechanisms of Action

2014· article· en· W2010411786 sur OpenAlexaff
Milan Bašta, Donald R. Branch

Notice bibliographique

RevueClinical & Experimental Immunology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensCanadian Blood ServicesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAntibodyImmunologyReceptorFragment crystallizable regionImmunoglobulin Fc FragmentsGlycosylationImmunoglobulin GEffectorNeonatal Fc receptorComplement systemFc receptorMechanism of actionBiologyMedicineGeneticsIn vitro

Résumé

récupéré en direct d'OpenAlex

The mechanism of action by which therapeutic administration of intravenous immunoglobulin (IVIg) is able to provide a beneficial effect in autoimmune and inflammatory diseases is not yet fully understood, but current research is providing some answers. Signalling via receptors that interact with immunoglobulin (Ig) is crucial, and genetic polymorphisms of the Fc receptors have clear links to disease and also appear to influence the outcome of IVIg treatment. Glycosylation of the IgG, Fc- or Fab-fragments has a role in enhancing or blocking the pro- and anti-inflammatory effector functions. In addition, and independently of Fc receptors and glycosylation, Fc fragment and the constant domain of the Fab fragment contain binding sites for activated complement fragments that mediate complement-scavenging based immunomodulation. Although IgG Fc sialylation may not be critical for IVIg activity, research in some diseases suggests that it is associated with improved clinical outcomes. Therefore, further investigation of how IgG and IgA receptor expression and regulation affects the outcome of IVIg treatment may further clarify the mechanisms behind IVIg, and provide valuable guidance for future treatment paradigms.

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)0,001
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0640,029

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 Opus0,100
Tête enseignante GPT0,447
Écart entre enseignants0,347 · 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
GenreAutre

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

En bref

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical & Experimental ImmunologyMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207