MétaCan
Menu
Retour à la cohorte
Enregistrement W2258338427 · doi:10.7555/jbr.29.20150067

Hypercholesterolemia, low density lipoprotein receptor andproprotein convertase subtilisin/kexin-type 9

2015· review· en· W2258338427 sur OpenAlexaff
Hongmei Gu, Dawei Zhang

Notice bibliographique

RevueJournal of Biomedical Research · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPCSK9KexinLDL receptorProprotein convertaseInternal medicineFamilial hypercholesterolemiaEndocrinologyLipoproteinMedicineCholesterolReceptorChemistry

Résumé

récupéré en direct d'OpenAlex

Atherosclerotic cardiovascular disease is the main cause of mortality and morbidity in the world. Plasma levels of low density lipoprotein cholesterol (LDL-C) are positively correlated with the risk of atherosclerosis. High plasma LDL concentrations in patients with hypercholesterolemia lead to build-up of LDL in the inner walls of the arteries, which becomes oxidized and promotes the formation of foam cells, consequently initiating atherosclerosis. Plasma LDL is mainly cleared through the LDL receptor (LDLR) pathway. Mutations in the LDLR cause familiar hypercholesterolemia and increase the risk of premature coronary heart disease. The expression of LDLR is regulated at the transcriptional level via the sterol regulatory element binding protein 2 (SREBP-2) and at the posttranslational levels mainly through proprotein convertase subtilisin/kexin-type 9 (PCSK9) and inducible degrader of the LDLR (IDOL). In this review, we summarize the latest advances in the studies of PCSK9.

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)0,025
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
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 enseignants0,946
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,180
Tête enseignante GPT0,462
Écart entre enseignants0,282 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations48
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical ResearchMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207