MétaCan
Menu
Retour à la cohorte
Enregistrement W2799732632 · doi:10.3389/fmed.2018.00129

Ultraviolet-Based Pathogen Inactivation Systems: Untangling the Molecular Targets Activated in Platelets

2018· review· en· W2799732632 sur OpenAlexafffund
Peter Schubert, Lacey Johnson, Denese C. Marks, Dana V. Devine

Notice bibliographique

RevueFrontiers in Medicine · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueBlood transfusion and management
Établissements canadiensUniversity of British ColumbiaCanadian Blood Services
Organismes subventionnairesHealth CanadaCanadian Blood ServicesAustralian Government
Mots-clésPlateletContext (archaeology)PathogenPlatelet activationPlatelet transfusionBiologyImmunologyMedicineBioinformatics

Résumé

récupéré en direct d'OpenAlex

Transfusions of platelets are an important cornerstone of medicine; however, recipients may be subject to risk of adverse events associated with the potential transmission of pathogens, especially bacteria. Pathogen inactivation (PI) technologies based on ultraviolet illumination have been developed in the last decades to mitigate this risk. This review discusses studies of platelet concentrates treated with the current generation of PI technologies to assess their impact on quality, PI capacity, safety, and clinical efficacy. Improved safety seems to come with the cost of reduced platelet functionality, and hence transfusion efficacy. In order to understand these negative impacts in more detail, several molecular analyses have identified signaling pathways linked to platelet function that are altered by PI. Because some of these biochemical alterations are similar to those seen arising in the context of routine platelet storage lesion development occurring during blood bank storage, we lack a complete picture of the contribution of PI treatment to impaired platelet functionality. A model generated using data from currently available publications places the signaling protein kinase p38 as a central player regulating a variety of mechanisms triggered in platelets by PI systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,891
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,305
Écart entre enseignants0,279 · 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.

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

Citations41
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetBlood transfusion and managementTravaux en français237 207