Fetal programming of neuropsychiatric disorders
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.
Notice bibliographique
Résumé
Starting from the Developmental Origins of Health and Disease (DOHaD) hypotheses proposed by David Barker, namely fetal programming, in the past years, there is a growing evidence of the major role played by epigenetic factors during the intrauterine life and the perinatal period. Furthermore, it has been assessed that these factors can affect the health status in infancy and even in adulthood. In this review, we focus our attention on the fetal programming of the brain, analyzing the most recent literature concerning the epigenetic factors that can influence the development of neuropsychiatric disorders such as bipolar disorders, major depressive disorders, and schizophrenia. The perinatal epigenetic factors have been divided in two main groups: maternal factors and fetal factors. The maternal factors include diet, smoking, alcoholism, hypertension, malnutrition, trace elements, stress, diabetes, substance abuse, and exposure to environmental toxicants, while the fetal factors include hypoxia/asphyxia, placental insufficiency, prematurity, low birth weight, drugs administered to the mother or to the baby, and all factors causing intrauterine growth restriction. A better comprehension of the possible mechanisms underlying the pathogenesis of these diseases may help researchers and clinicians develop new diagnostic tools and treatments to offer these patients a tailored medical treatment strategy to improve their quality of life. Birth Defects Research (Part C) 108:207-223, 2016. © 2016 Wiley Periodicals, Inc.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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.
score_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