MétaCan
Menu
Retour à la cohorte
Enregistrement W2997194916

Searching for novel PET radiotracers: imaging cardiac perfusion, metabolism and inflammation.

2018· review· en· W2997194916 sur OpenAlexaff
Caitlund Davidson, Christopher P. Phenix, T.C. Tai, Neelam Khaper, Simon J. Lees

Notice bibliographique

RevuePubMed · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueS100 Proteins and Annexins
Établissements canadiensLaurentian UniversityNOSM UniversityUniversity of SaskatchewanLakehead University
Organismes subventionnairesnon disponible
Mots-clésMedicineInflammationCardiac PETPositron emission tomographyCardiac imagingPerfusionImmune systemCardiac function curveMolecular imagingDiseaseFluorodeoxyglucosePathologyNuclear medicineRadiologyCardiologyInternal medicineImmunologyIn vivoHeart failure
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

F-FDG has many ideal characteristics of a radiotracer but lacks the ability to differentiate between glucose uptake in normal cardiomyocytes and inflammatory cells. Developing a PET radiotracer that differentiates not only between inflammatory cells and normal cardiomyocytes, but between types of immune cells involved in inflammation would be ideal. This article reviews current PET radiotracers used in cardiac imaging, their limitations, and potential radiotracer candidates for imaging cardiac inflammation in early stages of development of acute and chronic cardiac diseases. The select radiotracers reviewed have been tested in animals and/or show potential to be developed as a radiotracer for the detection of cardiac inflammation by targeting the enzymatic activities or subpopulations of macrophages that are recruited to an injured or infected site.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,029
Tête enseignante GPT0,284
Écart entre enseignants0,255 · 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'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

Citations34
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetS100 Proteins and AnnexinsTravaux en français237 207