MétaCan
Menu
Retour à la cohorte
Enregistrement W2798060402 · doi:10.1183/16000617.0004-2018

Precision medicine and personalising therapy in pulmonary hypertension: seeing the light from the dawn of a new era

2018· review· en· W2798060402 sur OpenAlexaff
Laurent Savale, Christophe Guignabert, Jason Weatherald, Marc Humbert

Notice bibliographique

RevueEuropean Respiratory Review · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePulmonary Hypertension Research and Treatments
Établissements canadiensLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicinePrecision medicinePulmonary hypertensionHarmIntensive care medicineIntervention (counseling)BioinformaticsInternal medicinePathologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Pulmonary hypertension (PH) and pulmonary arterial hypertension (PAH) include different cardiopulmonary disorders in which the interaction of multiple genes with environmental and behavioural factors modulates the onset and the progression of these severe conditions. Although the development of therapeutic agents that modulate abnormalities in three major pathobiological pathways for PAH has revolutionised our approach to the treatment of PAH, the long-term survival rate remains unsatisfactory. Accumulating evidence has underlined that clinical outcomes and responses to therapy in PAH are modified by multiple factors, including genetic variations, which will be different for each individual. Since precision medicine, also known as stratified medicine or personalised medicine, aims to better target intervention to the individual while maximising benefit and minimising harm, it has significant potential advantages. This article aims to assemble and discuss the different initiatives that are currently underway in the PH/PAH fields together with the opportunities and prospects for their use in the near future.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
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 Opus0,212
Tête enseignante GPT0,381
Écart entre enseignants0,169 · 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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Respiratory ReviewMême sujetPulmonary Hypertension Research and TreatmentsTravaux en français237 207