Extracellular vesicles: the growth as diagnostics and therapeutics; a survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article aims to document the growth in extracellular vesicle (EV) research. Here, we report the growth in EV-related studies, patents, and grants as well as emerging companies with major intent on exosomes. Four different databases were utilized for electronic searches of published literature: two general databases - Scopus/Elsevier and Web of Science (WoS), as well as two specialized US government databases - the USA Patent and Trademark Office and National Institutes of Health (NIH) of the Department of Health and Human Services. The applied combination of key words was carefully chosen to cover the most commonly used terms in titles of publications, patents and grants dealing with conceptual areas of EVs. Within the time frame from 1 January 2000 to 31 December 2016, limited to articles published in English, we identified output using search strategies based upon Scopus/Elsevier and WoS, patent filings and NIH Federal Reports of funded grants. Consistently, USA and UK universities are the most frequent among the top 15 affiliations/organizations of the authors of the identified records. There is clear evidence of upward streaming of EV-related publications. By documenting the growth of the EV field, we hope to encourage a roster of independent authorities skilled to provide peer review of manuscripts, evaluation of grant applications, support of foundation initiatives and corporate long-term planning. It is important to encourage EV research to further identify biomarkers in diseases and allow for the development of adequate diagnostic tools that could distinguish disease subpopulations and enable personalized treatment of patients.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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