MétaCan
Menu
Retour à la cohorte
Enregistrement W2056029075 · doi:10.1155/2013/581751

Targeting Inflammation in Emerging Therapies for Genetic Retinal Disease

2013· article· en· W2056029075 sur OpenAlexafffund
Ishaq A. Viringipurampeer, Emran Bashar, Cheryl Y. Gregory‐Evans, Orson L. Moritz, Kevin Gregory‐Evans

Notice bibliographique

RevueInternational Journal of Inflammation · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineRetinitis pigmentosaMacular degenerationDiseaseInflammationPathogenesisRetinal degenerationBlindnessBlindingBioinformaticsGenetic predispositionRetinalImmunologyNeurosciencePathologyOphthalmologyBiologyClinical trialOptometry

Résumé

récupéré en direct d'OpenAlex

Genetic retinal diseases such as age-related macular degeneration and monogenic diseases such as retinitis pigmentosa account for some of the commonest causes of blindness in the developed world. Diverse genetic abnormalities and environmental causes have been implicated in triggering multiple pathological mechanisms such as oxidative stress, lipofuscin deposits, neovascularisation, and programmed cell death. In recent years, inflammation has also been highlighted although whether inflammatory mediators play a central role in pathogenesis or a more minor secondary role has yet to be established. Despite this, numerous interventional studies, particularly targeting the complement system, are underway with the promise of novel therapeutic strategies for these important blinding conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,305
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,292
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of InflammationMême sujetRetinal Diseases and TreatmentsTravaux en français237 207