MétaCan
Menu
Retour à la cohorte
Enregistrement W2909958736 · doi:10.1097/mol.0000000000000577

Molecular regulation of plasma lipid levels during systemic inflammation and sepsis

2019· review· en· W2909958736 sur OpenAlexafffund
Mark Trinder, John H. Boyd, Liam R. Brunham

Notice bibliographique

RevueCurrent Opinion in Lipidology · 2019
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Response and Inflammation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSystemic inflammationInflammationSepsisMedicineImmunology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Sepsis is a common syndrome of multiorgan system dysfunction caused by a dysregulated inflammatory response to an infection and is associated with high rates of mortality. Plasma lipid and lipoprotein levels and composition change profoundly during sepsis and have emerged as both biomarkers and potential therapeutic targets for this condition. The purpose of this article is to review recent progress in the understanding of the molecular regulation of lipid metabolism during sepsis. RECENT FINDINGS: Patients who experience greater declines in high-density lipoprotein during sepsis are at much greater risk of succumbing to organ failure and death. Although the causality of these findings remains unclear, all lipoprotein classes can sequester and prevent the excessive inflammation caused by pathogen-associated lipids during severe infections such as sepsis. This primordial innate immune function has been best characterized for high-density lipoproteins. Most importantly, results from human genetics and preclinical animal studies have suggested that several lipid treatment strategies, initially designed for atherosclerosis, may hold promise as therapies for sepsis. SUMMARY: Lipid and lipoprotein metabolism undergoes significant changes during sepsis. An improved understanding of the molecular regulation of these changes may lead to new opportunities for the treatment of sepsis.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,072
Tête enseignante GPT0,340
Écart entre enseignants0,268 · 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

Citations67
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in LipidologyMême sujetImmune Response and InflammationTravaux en français237 207