MétaCan
Menu
Retour à la cohorte
Enregistrement W2615223867 · doi:10.1016/j.pharmthera.2017.05.006

Adverse outcome pathways: Application to enhance mechanistic understanding of neurotoxicity

2017· review· en· W2615223867 sur OpenAlexaff
Anna Bal‐Price, M.E. Meek

Notice bibliographique

RevuePharmacology & Therapeutics · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEuropean Food Safety Authority
Mots-clésAdverse Outcome PathwayMechanism (biology)DiseaseNeurotoxicityNeuroscienceAdverse effectBioinformaticsBiologyComputational biologyMedicineToxicityPharmacologyPathology

Résumé

récupéré en direct d'OpenAlex

Recent developments have prompted the transition of empirically based testing of late stage toxicity in animals for a range of different endpoints including neurotoxicity to more efficient and predictive mechanistically based approaches with greater emphasis on measurable key events early in the progression of disease. The adverse outcome pathway (AOP) has been proposed as a simplified organizational construct to contribute to this transition by linking molecular initiating events and earlier (more predictive) key events at lower levels of biological organization to disease outcomes. As such, AOPs are anticipated to facilitate the compilation of information to increase mechanistic understanding of pathophysiological pathways that are responsible for human disease. In this review, the sequence of key events resulting in adverse outcome (AO) defined as parkinsonian motor impairment and learning and memory deficit in children, triggered by exposure to environmental chemicals has been briefly described using the AOP framework. These AOPs follow convention adopted in an Organization for Economic Cooperation and Development (OECD) AOP development program, publically available, to permit tailored application of AOPs for a range of different purposes. Due to the complexity of disease pathways, including neurodegenerative disorders, a specific symptom of the disease (e.g. parkinsonian motor deficit) is considered as the AO in a developed AOP. Though the description is necessarily limited by the extent of current knowledge, additional characterization of involved pathways through description of related AOPs interlinked into networks for the same disease has potential to contribute to more holistic and mechanistic understanding of the pathophysiological pathways involved, possibly leading to the mechanism-based reclassification of diseases, thus facilitating more personalized treatment.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,293
Tête enseignante GPT0,476
Écart entre enseignants0,183 · 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

Citations112
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacology & TherapeuticsMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207