MétaCan
Menu
Retour à la cohorte
Enregistrement W2168686471 · doi:10.1186/1617-9625-1-1-7

The influence of tobacco smoking on adhesion molecule profiles

2003· article· en· W2168686471 sur OpenAlex
David A. Scott, RM Palmer

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTobacco Induced Diseases · 2003
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueS100 Proteins and Annexins
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyEnvironmental healthMedicinePathology

Résumé

récupéré en direct d'OpenAlex

Sequential interactions between several adhesion molecules and their ligands regulate lymphocyte circulation and leukocyte recruitment to inflammatory foci. Adhesion molecules are, therefore, central and critical components of the immune and inflammatory system. We review the evidence that tobacco smoking dysregulates specific components of the adhesion cascade, which may be a common factor in several smoking-induced diseases. Smoking causes inappropriate leukocyte activation, leukocyte-endothelial adhesion, and neutrophil entrapment in the microvasculature, which may help initiate local tissue destruction. Appropriate inflammatory reactions may thus be compromised. In addition to smoke-induced alterations to membrane bound endothelial and leukocyte adhesion molecule expression, which may help explain the above phenomena, smoking has a profound influence on circulating adhesion molecule profiles, most notably sICAM-1 and specific sCD44 variants. Elevated concentrations of soluble adhesion molecules may simply reflect ongoing inflammatory processes. However, increasing evidence suggests that specific soluble adhesion molecules are immunomodulatory, and that alterations to soluble adhesion molecule profiles may represent a significant risk factor for several diverse diseases. This evidence is discussed herein.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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