MétaCan
Menu
Retour à la cohorte
Enregistrement W2579943635 · doi:10.1142/s0218339017500061

JOINT IMPACTS OF THERAPY DURATION, DRUG EFFICACY AND TIME LAG IN IMMUNE EXPANSION ON IMMUNITY BOOSTING BY ANTIVIRAL THERAPY

2017· article· en· W2579943635 sur OpenAlexafffund
Hongying Shu, Lin Wang

Notice bibliographique

RevueJournal of Biological Systems · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesTongji UniversityNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésImmunityImmune systemBoosting (machine learning)ImmunologyPhase lagLagMedicinePharmacotherapyArtificial intelligenceComputer scienceInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

Antiviral drug therapy that targets on boosting virus-specific immune response has become very promising in controlling the virus, especially when completely eradicating the virus from the host turns out to be difficult. Using a concrete viral infection model that incorporates the time lag needed for the expansion of immune cells, we numerically explored the joint impacts of the duration of therapy, the efficacy of the drugs and the time lag in immune expansion on immunity boosting for a single phase of therapy. Our findings reveal that a single phase of therapy can establish sustained immunity if the therapy is stopped in a suitable range of timing and large time lag in the expansion of immune cells and too strong or too weak therapy would lead to a failure in immunity boosting. Our findings may provide some insights on designing efficient and rational therapy strategies in boosting sustained immunity.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,268
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biological SystemsMême sujetImmune Cell Function and InteractionTravaux en français237 207