MétaCan
Menu
Retour à la cohorte
Enregistrement W2886482309 · doi:10.1089/neu.2018.5928

Anti-Chondroitin Sulfate Proteoglycan Strategies in Spinal Cord Injury: Temporal and Spatial Considerations Explain the Balance between Neuroplasticity and Neuroprotection

2018· article· en· W2886482309 sur OpenAlexaff
Todd Hryciw, Nicole Geremia, Morgan A. Walker, Xiaoyun Xu, Arthur Brown

Notice bibliographique

RevueJournal of Neurotrauma · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProteoglycans and glycosaminoglycans research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPerineuronal netNeuroprotectionNeuroscienceSpinal cord injuryChondroitin sulfate proteoglycanNeuroplasticityWhite matterCentral nervous systemGlial scarSpinal cordRegeneration (biology)MedicineChondroitin sulfateBiologyAnatomyCell biology

Résumé

récupéré en direct d'OpenAlex

Loss of function after spinal cord injury (SCI) results from the primary injury that causes interruption of axonal tracts, neuronal and glial cell death, and the secondary injury in which inflammation drives lesion expansion, and further loss of gray and white matter. There are two main therapeutic strategies for the treatment of SCI: pro-reparative sprouting strategies that aim to promote functional recovery through enhancing the plasticity of spared axons and neuroprotection/anti-inflammatory strategies that aim to decrease secondary injury. Chondroitin sulfate proteoglycans (CSPGs) are matrix molecules that are major constituents of the glial scar at the SCI epicenter and of perineuronal nets found throughout the central nervous system. In this review, we summarize the wealth of literature describing the application of anti-CSPG strategies that target either CSPG synthesis or degradation or signalling after SCI. The weight of the evidence suggests that the balance between neuroprotection and neuroplasticity achieved by any one anti-CSPG strategy depends on the when and the where of its application.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,336
Écart entre enseignants0,289 · 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'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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurotraumaMême sujetProteoglycans and glycosaminoglycans researchTravaux en français237 207