MétaCan
Menu
Retour à la cohorte
Enregistrement W2756646763 · doi:10.1002/sctm.17-0081

Concise Review: Extracellular Vesicles Overcoming Limitations of Cell Therapies in Ischemic Stroke

2017· review· en· W2756646763 sur OpenAlexfundno aff
Thorsten R. Doeppner, Mathias Bähr, Dirk M. Hermann, Bernd Giebel

Notice bibliographique

RevueStem Cells Translational Medicine · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundUniversität Duisburg-EssenEuropean CommissionVolkswagen FoundationStem Cell Network
Mots-clésTransplantationStem cellRegenerative medicineNeural stem cellMedicineProgenitor cellExtracellular vesiclesMesenchymal stem cellNeuroscienceStroke (engine)BioinformaticsImmunologyBiologyCell biologyPathologySurgery

Résumé

récupéré en direct d'OpenAlex

Despite recent advances in stroke therapy, current therapeutic concepts are still limited. Thus, additional therapeutic strategies are in order. In this sense, the transplantation of stem cells has appeared to be an attractive adjuvant tool to help boost the endogenous regenerative capacities of the brain. Although transplantation of stem cells is known to induce beneficial outcome in (preclinical) stroke research, grafted cells do not replace lost tissue directly. Rather, these transplanted cells like neural progenitor cells or mesenchymal stem cells act in an indirect manner, among which the secretion of extracellular vesicles (EVs) appears to be one key factor. Indeed, the application of EVs in preclinical stroke studies suggests a therapeutic role, which appears to be noninferior in comparison to the transplantation of stem cells themselves. In this short review, we highlight some of the recent advances in the field of EVs as a therapeutic means to counter stroke. Stem Cells Translational Medicine 2017;6:2044-2052.

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 enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,087
Tête enseignante GPT0,331
Écart entre enseignants0,244 · 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

Citations44
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStem Cells Translational MedicineMême sujetExtracellular vesicles in diseaseTravaux en français237 207