MétaCan
Menu
Retour à la cohorte
Enregistrement W2912646751 · doi:10.21037/hbsn.2019.01.06

Long term follow-up after liver transplantation from a JAK2 mutation positive donor

2019· article· en· W2912646751 sur OpenAlexaff
Alejandro Lazo‐Langner, Peter Ainsworth, Vivian C. McAlister

Notice bibliographique

RevueHepatoBiliary Surgery and Nutrition · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMyeloproliferative Neoplasms: Diagnosis and Treatment
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEssential thrombocythemiaMyelofibrosisJanus kinase 2MedicineCalreticulinPolycythemia veraMutationMyeloproliferative neoplasmGermline mutationExonTransplantationCancer researchInternal medicineImmunologyGeneGeneticsBone marrowBiology

Résumé

récupéré en direct d'OpenAlex

Philadelphia-negative myeloproliferative neoplasms (MPN), including polycythemia vera (PV), essential thrombocythemia (ET), and primary myelofibrosis (PMF), are characterized by the presence of mutations involving the Janus Kinase 2 ( JAK2 ), calreticulin ( CALR ) or myeloproliferative leukemia virus oncogene ( MPL ) genes (1). Of these, the JAK2 V617F gain-of-function mutation is the most frequently found and is present in >95% of patients with PV and in about 60% of those with ET or PMF whereas JAK2 exon 12 mutations are found in the remaining PV patients (2). JAK2 V617F somatic mutations have been detected in granulocytes and platelets and therefore they could potentially be transmitted to recipients of solid organ transplants (3) and in fact the presence of the JAK2 V617F mutation has been detected in otherwise healthy blood donors (4,5).

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 candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,719

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHepatoBiliary Surgery and NutritionMême sujetMyeloproliferative Neoplasms: Diagnosis and TreatmentTravaux en français237 207