MétaCan
Menu
Retour à la cohorte
Enregistrement W2110958561 · doi:10.3389/fneur.2014.00049

Maladaptive Plasticity in Levodopa-Induced Dyskinesias and Tardive Dyskinesias: Old and New Insights on the Effects of Dopamine Receptor Pharmacology

2014· review· en· W2110958561 sur OpenAlexaff
Antonio Cerasa, Alfonso Fasano, Francesca Morgante, Giacomo Koch, Aldo Quattrone

Notice bibliographique

RevueFrontiers in Neurology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensToronto Western HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDopamineNeuroscienceTardive dyskinesiaLevodopaDopamine receptor D2Dopamine receptorPharmacologyPsychologyDopamine receptor D3MedicinePsychiatrySchizophrenia (object-oriented programming)Internal medicineParkinson's diseaseDisease

Résumé

récupéré en direct d'OpenAlex

Maladaptive plasticity can be defined as behavioral loss or even development of disease symptoms resulting from aberrant plasticity changes in the human brain. Hyperkinetic movement disorders, in the neurological or psychiatric realms, have been associated with maladaptive neural plasticity that can be expressed by functional changes such as an increase in transmitter release, receptor regulation, and synaptic plasticity or anatomical modifications such as axonal regeneration, sprouting, synaptogenesis, and neurogenesis. Recent evidence from human and animal models provided support to the hypothesis that these phenomena likely depend on altered dopamine turnover induced by long-term drug treatment. However, it is still unclear how and where these altered mechanisms of cortical plasticity may be localized. This study provides an up-to-date overview of these issues together with some reflections on future studies in the field, particularly focusing on two specific disorders (levodopa-induced dyskinesias in Parkinson's disease patients and tardive dyskinesias in schizophrenic patients) where the modern neuroimaging approaches have recently provided new fundamental insights.

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)0,000
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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

Citations45
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetNeurological disorders and treatmentsTravaux en français237 207