MétaCan
Menu
Retour à la cohorte
Enregistrement W2463195288 · doi:10.1161/circresaha.116.308030

Chronic Heart Failure and Inflammation

2016· review· en· W2463195288 sur OpenAlexafffund
Sarah A. Dick, Slava Epelman

Notice bibliographique

RevueCirculation Research · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Fibrosis and Remodeling
Établissements canadiensToronto General HospitalToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesHeart and Stroke Foundation of CanadaMarch of Dimes Foundation
Mots-clésInflammationMedicineHeart failureDiseasePathogenesisImmune systemImmunologySystemic inflammationClinical trialBioinformaticsIntensive care medicineCardiologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

As a greater proportion of patients survive their initial cardiac insult, medical systems worldwide are being faced with an ever-growing need to understand the mechanisms behind the pathogenesis of chronic heart failure (HF). There is a wealth of information about the role of inflammatory cells and pathways during acute injury and the reparative processes that are subsequently activated. We discuss the different causes that lead to chronic HF development and how the sum of initial inflammatory and reparative responses only sets the trajectory for disease progression. Unfortunately, comparatively little is known about the contribution of the immune system once the trajectory has been set, and chronic HF has been established-which clinically represents the majority of patients. It is known that chronic HF is associated with circulating inflammatory cytokines that can predict clinical outcomes, yet the causative role inflammation plays in disease progression is not well defined, and the majority of clinical trials that target aspects of inflammation in patients with chronic HF have largely been negative. This review will present what is currently known about inflammation in chronic HF in both humans and animal models as a means to highlight the gap in our knowledge base that requires further examination.

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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,129
Tête enseignante GPT0,443
Écart entre enseignants0,314 · 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

Citations705
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetCardiac Fibrosis and RemodelingTravaux en français237 207