Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is estimated that 2% of the population from industrialized countries live with lifelong disabilities resulting from traumatic brain injury (TBI) and roughly one in four adults are unable to return to work 1 year after injury because of physical or mental disabilities. TBI is a significant public health issue that causes substantial physical and economical repercussions for the individual and society. Electronic databases (PubMed, Web of Science, Google Scholar) were searched with the keywords traumatic brain injury, TBI, genes and TBI, TBI outcome, head injury. Human studies on non-penetrating traumatic brain injuries reported in English were included. To provide health care workers with the basic information for clinical management we summarize and compare the data on post-TBI outcome with regard to the impact of genetic variation: apolipoprotein E (APOE), brain-derived neurotrophic factor (BDNF), calcium channel, voltage dependent P/Q type, catechol-O-methyltransferase (COMT), dopamine receptor D2 and ankyrin repeat and kinase domain containing 1 (DRD2 and ANKK1), interleukin-1 (IL-1), interleukin-6 (IL-6), kidney and brain expressed protein (KIBRA), neurofilament, heavy polypeptide (NEFH), endothelial nitric oxide synthase 3 (NOS3), poly (ADP-ribose) polymerase-1 (PARP-1), protein phosphatase 3, catalytic subunit, gamma isozyme (PPP3CC), the serotonin transporter (5-HTT) gene solute carrier family 6 member (SLC6A4) and tumor protein 53 (TP53). It is evident that contradicting results are attributable to the heterogeneity of studies, thus further researches are warranted to effectively assess a relation between genetic traits and clinical outcome following traumatic injuries.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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.
score_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