MétaCan
Menu
Retour à la cohorte
Enregistrement W2169647951 · doi:10.1586/1744666x.3.1.73

B-cell subsets: cellular interactions and relevance in multiple sclerosis

2006· article· en· W2169647951 sur OpenAlexaff
Claudia J. Calder, Martin Duddy, Amit Bar‐Or

Notice bibliographique

RevueExpert Review of Clinical Immunology · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisImmunologyAntibodyMedicineAutoantibodyImmune systemContext (archaeology)B cellAutoimmunityNeuroscienceBiology

Résumé

récupéré en direct d'OpenAlex

There has been longstanding interest in how B-cell responses may contribute to the pathology of neurological diseases. Traditionally, the premise has been that any such contribution relates to the potential of B cells to produce autopathogenic antibodies. Targeting autoantibodies continues to be an important therapeutic approach, particularly in disorders where the role of antibodies is relatively well established, such as in certain inflammatory disorders of peripheral nerves or the neuromuscular junction. In other conditions, such as multiple sclerosis, the role of circulating antibodies targeting the CNS has been less clear, although pathologic studies continue to implicate CNS-reactive antibodies, as well as B cells within the CNS compartment. Recently, new insights into fundamental properties of B cells have suggested that these cells may contribute in an antibody-independent fashion, both to normal immune responses, and in the context of immune mediated diseases. Here, we will consider the potential roles of antibody-dependent as well as antibody-independent B-cell involvement in multiple sclerosis. The topic is of particular interest at a time that B-cell-directed therapies are being evaluated for this and other autoimmune diseases.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,135
Tête enseignante GPT0,426
Écart entre enseignants0,292 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Clinical ImmunologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207