MétaCan
Menu
Retour à la cohorte
Enregistrement W2327702837 · doi:10.1097/mcc.0b013e32834e7d00

Ventilator-induced lung injury

2011· review· en· W2327702837 sur OpenAlexaff
Nicola Ngiam, Brian P. Kavanagh

Notice bibliographique

RevueCurrent Opinion in Critical Care · 2011
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicineComputational biologyCandidate geneBioinformaticsGeneBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Ventilator-induced lung injury (VILI) is a ubiquitous iatrogenic clinical problem in critical care. Aside from avoiding large tidal volumes, little progress has been made in identifying effective clinical strategies to minimize this injury. With recent rapid development in bioinformatics and high-throughput molecular technology, the genetic basis of lung injury has been intensively investigated. This review will describe recent insights and potential therapies developed in the field. RECENT FINDINGS: Much progress has been made in delineating the possible genes and gene products involved in VILI through various mechanisms such as early induced genes, capillary leak, apoptosis, fibrin deposition, inflammatory cytokines, oxidative stress, disrupted angiogenesis, and neutrophil infiltration. Some studies have translated bench findings to the bedside in an attempt to identify clinically important genetic susceptibility, which could aid in the identification of at-risk individuals who might benefit from careful titration of mechanical ventilation. Genetic insights also provide candidate pharmaceutical approaches that may ameliorate VILI in the future. SUMMARY: Much relevant information exists for investigators and clinicians interested in VILI. Future research will interlink evolving data to provide a more integrated picture of the molecular mechanisms involved in VILI enabling translation of the most promising candidate therapies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,353
Tête enseignante GPT0,521
Écart entre enseignants0,168 · 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

Citations21
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Critical CareMême sujetRespiratory Support and MechanismsTravaux en français237 207