MétaCan
Menu
Retour à la cohorte
Enregistrement W2783474205 · doi:10.1177/1352458517737391

An introduction to the microbiome and MS

2018· article· en· W2783474205 sur OpenAlexaff
Sebastien Trott, Irah L. King

Notice bibliographique

RevueMultiple Sclerosis Journal · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisMicrobiomeDiseaseNeuroimmunologyHuman microbiomeAutoimmune diseaseIntervention (counseling)ImmunologyBiologyGut microbiomeNeuroscienceGut floraMedicineCentral nervous systemBioinformaticsPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

The human microbiota is composed of diverse forms of microorganisms that live on or in us and plays a crucial role in the health and development. Commensal species that reside in the intestine particularly influence host physiology at local and systemic levels. Multiple sclerosis (MS) is a debilitating autoimmune disorder of the central nervous system for which there is currently no cure. While the cause of MS is unknown, there is a growing body of evidence suggesting that the microbiota can play both pathogenic and protective roles in disease progression. In this review, we provide a brief overview, based on both animal and clinical studies, of the current understanding by which the microbiota may influence MS and discuss opportunities for therapeutic intervention that may alleviate the symptoms associated with this debilitating neuroimmunological disease.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,025
Tête enseignante GPT0,259
Écart entre enseignants0,234 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultiple Sclerosis JournalMême sujetGut microbiota and healthTravaux en français237 207