MétaCan
Menu
Retour à la cohorte
Enregistrement W2078718537 · doi:10.2174/138945008783954934

Aging and Remodeling During Healing of the Wounded Heart: Current Therapies and Novel Drug Targets

2008· review· en· W2078718537 sur OpenAlexaff
Bodh I. Jugdutt

Notice bibliographique

RevueCurrent Drug Targets · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Ischemia and Reperfusion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineMyocardial infarctionHeart failureVentricular remodelingAdverse effectWound healingInternal medicineCardiologyPopulationInflammationOsteopontinIntensive care medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Aging has become a major health care problem and socio-economic burden worldwide. Myocardial infarction (MI) is the major killer worldwide and coronary reperfusion is the major form of acute post-MI therapy. The aging population is increasing, and with it, morbidity and mortality due to impaired healing after ST-segment elevation MI (STEMI) and its consequences. Optimal healing of the wounded heart is critical for preservation of structural and functional integrity of the pumping chambers, survival, and a favorable outcome irrespective of age. Although STEMI is more prevalent in the elderly and impaired healing during aging may promote adverse remodeling and thereby jeopardize outcome, there is an information gap on post-STEMI healing and its therapy in the elderly. Current therapies during post-STEMI healing are aimed primarily at the <65 age-group and preclinical studies tend to test drugs in mostly young animals. Therapies over the last decade have improved post-MI survival mainly in patients aged < 65 years. Novel healing-specific proteins may provide potential targets for improving healing and limiting adverse remodeling of the post-STEMI heart in the elderly, thereby improving outcome.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,035
Tête enseignante GPT0,324
Écart entre enseignants0,288 · 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

Citations41
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug TargetsMême sujetCardiac Ischemia and ReperfusionTravaux en français237 207