MétaCan
Menu
Retour à la cohorte
Enregistrement W2595675373 · doi:10.3390/ijms18030651

Neuroinflammation and Oxidative Stress in Psychosis and Psychosis Risk

2017· review· en· W2595675373 sur OpenAlexaff
Henry Barron, Sina Hafizi, Ana C. Andreazza, Romina Mizrahi

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueTryptophan and brain disorders
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Mental Health
Mots-clésPsychosisNeuroinflammationSynaptic pruningSchizophrenia (object-oriented programming)NeuroscienceEndophenotypeProdromeDiseaseOxidative stressPsychologyMedicinePsychiatryBioinformaticsCognitionInflammationBiologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Although our understanding of psychotic disorders has advanced substantially in the past few decades, very little has changed in the standard of care for these illnesses since the development of atypical anti-psychotics in the 1990s. Here, we integrate new insights into the pathophysiology with the increasing interest in early detection and prevention. First, we explore the role of N-methyl-d-aspartate receptors in a subpopulation of cortical parvalbumin-containing interneurons (PVIs). Postmortem and preclinical data has implicated these neurons in the positive and negative symptoms, as well as the cognitive dysfunction present in schizophrenia. These neurons also appear to be sensitive to inflammation and oxidative stress during the perinatal and peripubertal periods, which may be mediated in large part by aberrant synaptic pruning. After exploring some of the molecular mechanisms through which neuroinflammation and oxidative stress are thought to exert their effects, we highlight the progress that has been made in identifying psychosis prior to onset through the identification of individuals at clinical high risk for psychosis (CHR). By combining our understanding of psychosis pathogenesis with the increasing characterization of endophenotypes that precede frank psychosis, it may be possible to identify patients before they present with psychosis and intervene to reduce the burden of the disease to both patients and families.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,068
Tête enseignante GPT0,386
Écart entre enseignants0,318 · 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'étudeAutre devis
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

Citations172
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetTryptophan and brain disordersTravaux en français237 207