MétaCan
Menu
Retour à la cohorte
Enregistrement W2995224034 · doi:10.1097/tp.0000000000003058

What Is Hot and New in Basic and Translational Science in Liver Transplantation in 2019? Report of the Basic and Translational Research Committee of the International Liver Transplantation Society

2019· article· en· W2995224034 sur OpenAlexaffabout
Timuçin Taner, Paulo N. Martins, Qi Ling, TP Ng, Kuang‐Tzu Huang, Corey Eymard, Mamatha Bhat, Eliano Bonaccorsi‐Riani, Valeria R. Mas, Markus Selzner, Burcin Ekser

Notice bibliographique

RevueTransplantation · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOrgan Transplantation Techniques and Outcomes
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésTranslational researchLiver transplantationTransplantationBasic researchTranslational scienceMedicineInternal medicinePathologyLibrary scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The International Liver Transplantation Society (ILTS) 2019 Annual Congress was held in Toronto, Canada, in May 2019. Members of the ILTS Basic and Translational Research Committee attended all sessions of the meeting and selected the most promising, innovative, and novel research presented. A total of 900 abstracts were presented at the meeting. The percentage of abstracts presented at the ILTS Congress that contains basic or translational research continues to increase, accounting for 15% of all the abstracts in 2019, up from 10% in 2018. Here, we summarize the "what's hot what's new" in 5 main themes: liver immunobiology and tolerance, ischemia/reperfusion injury and organ preservation, bioengineering and liver regeneration, hepatic primary tumor biology, and pathophysiology of liver failure.

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 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 enseignants0,046
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,037
Tête enseignante GPT0,324
Écart entre enseignants0,287 · 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

Citations7
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetOrgan Transplantation Techniques and OutcomesTravaux en français237 207