MétaCan
Menu
Retour à la cohorte
Enregistrement W2078903790 · doi:10.1139/h04-027

Natural Killer Cells and Exercise Training in the Elderly: A Review

2004· review· en· W2078903790 sur OpenAlexafffund
Jennifer M. Dipenta, Julia M. Green-Johnson, René J.L. Murphy

Notice bibliographique

RevueCanadian Journal of Applied Physiology · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueExercise and Physiological Responses
Établissements canadiensAcadia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNova Scotia Health Research Foundation
Mots-clésImmunosenescenceNatural killer cellImmunologyImmune systemInnate immune systemNatural (archaeology)Cell functionPopulationMedicineGerontologyBiologyCellPsychologyCytotoxic T cellEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Consistent reports of the positive relationship between regular physical activity and immunosenescence have generated much excitement in the field of exercise immunology. It is generally accepted that natural killer (NK) cell activity per NK cell decreases with age; decreases in NKCA have been associated with infection and death in the aged. The effects of exercise and training on natural killer cells, components of the innate immune system, have been studied extensively in young people. However, the published research on the elderly population is limited. Generally it has been found that training increases or does not change natural killer cell activity or counts in the elderly. The clinical relevance of these results is yet to be fully explored. In addition, the limitations of these studies on immune function have been many, and studies are often difficult to compare due to differences in their methods and presentation of results.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,313
Écart entre enseignants0,271 · 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'étudeAutre devis
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

Citations29
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Applied PhysiologyMême sujetExercise and Physiological ResponsesTravaux en français237 207