MétaCan
Menu
Retour à la cohorte
Enregistrement W2809169128 · doi:10.1097/der.0000000000000392

Skin Ceramide Profile in Children With Atopic Dermatitis

2018· article· en· W2809169128 sur OpenAlexvenueno aff
Chunping Shen, Mutong Zhao, Zhixin Jia, Jinlan Zhang, Lei Jiao, Lin Ma

Notice bibliographique

RevueDermatitis · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAtopic dermatitisCeramideMedicineStratum corneumDermatologyObservational studyBarrier functionDiseaseSphingolipidInternal medicinePathologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Atopic dermatitis (AD) is a common disease, which involves a disruption of the skin barrier function. Skin ceramide (CER) composition, which plays crucial roles in maintaining the barrier function of the stratum corneum, is changed in patients with AD. OBJECTIVE: The aim of this study was to identify and quantify skin CER subclasses in association with disease severity in pediatric patients with AD. METHODS: Two hundred thirteen patients were entered into the observational study. We compared their CER profiles using normal-phase high-performance liquid chromatography coupled with dynamic multiple reaction monitoring mass spectrometry. RESULTS: In total, 12 subclasses of CERs were identified. We found that 2 subclasses, that is, CER[AS] and CER[NS], were elevated (P = 0.007 and 0.012, respectively) and correlated with Severity Scoring of Atopic Dermatitis (P = 0.004 and 0.004, respectively). CONCLUSIONS: Skin CER abundances are changed in children with AD compared with control subjects.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil1,000

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)0,0010,001

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 Opus0,006
Tête enseignante GPT0,238
Écart entre enseignants0,232 · 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'étudeObservationnel
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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitisMême sujetDermatology and Skin DiseasesTravaux en français237 207