← Retour à la cohorte
Genetic contributors to risk of schizophrenia in the presence of a 22q11.2 deletion
Isabelle Cleynen, Worrawat Engchuan, Matthew S. Hestand, Tracy Heung, Aaron M. Holleman, H. Richard Johnston, Thomas Monfeuga, Donna M. McDonald‐McGinn, Raquel E. Gur, Bernice E. Morrow, Ann Swillen, Jacob Vorstman, Carrie E. Bearden, Eva W. C. Chow, Marianne B. M. van den Bree, B S Emanuel, Joris Vermeesch, Stephen T. Warren, Michael J. Owen, Pankaj Chopra, David J. Cutler, Richard Duncan, Alex Kotlar, Jennifer G. Mulle, Anna J. Voss, Michael E. Zwick, Alexander Diacou, Aaron Golden, Tingwei Guo, Jhih-Rong Lin, Tao Wang, Zhengdong Zhang, Yingjie Zhao, Christian R. Marshall, Daniele Merico, Andrea Jin, Brenna Lilley, Harold I. Salmons, Oanh Tran, Peter Holmans, Antonio F. Pardiñas, James Walters, Wolfram Demaerel, Erik Boot, Nancy J. Butcher, Gregory Costain, Chelsea Lowther, Rens Evers, Thérèse van Amelsvoort, Esther van Duin, Claudia Vingerhoets, Jeroen Breckpot, Koenraad Devriendt, Elfi Vergaelen, Annick Vogels, T. Blaine Crowley, Daniel E. McGinn, Edward Moss, Robert Sharkus, Marta Unolt, Elaine H. Zackai, Monica E. Calkins, Robert S. Gallagher, Ruben C. Gur, Sunny X. Tang, Rosemarie Fritsch, Claudia Ornstein, Gabriela M. Repetto, Elemi Breetvelt, Sasja N. Duijff, Ania Fiksinski, Hayley Moss, Maria Niarchou, Kieran C. Murphy, Sarah E. Prasad, Eileen Daly, Maria Gudbrandsen, Clodagh M. Murphy, Declan Murphy, Antonio Buzzanca, Fabio Di Fabio, Maria Cristina Digilio, Maria Pontillo, Bruno Marino, Stefano Vicari, Karlene Coleman, Joseph F. Cubells, Opal Ousley, Miri Carmel, Doron Gothelf, Ehud Mekori‐Domachevsky, Elena Michaelovsky, Ronnie Weinberger, Abraham Weizman, Leila Kushan, Maria Jalbrzikowski, Marco Armando, Stéphan Eliez, Corrado Sandini, Maude Schneider, Frédérique Béna, Kevin M. Antshel, Wanda Fremont, Wendy R. Kates, Raoul Belzeaux, Tiffany Busa, Nicole Philip, Linda Campbell, Kathryn McCabe, Stephen R. Hooper, Kelly Schoch, Vandana Shashi, Tony J. Simon, Flora Tassone, Celso Arango, David Fraguas, Sixto García‐Miñáur, Jaume Morey-Canyelles, Jordi Rosell, Damián Heine‐Suñer, Jasna Raventos-Simic, Michael P. Epstein, Nigel Williams, Anne S. Bassett
Notice bibliographique
RevueMolecular Psychiatry · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCongenital heart defects research
Établissements canadiensOntario GenomicsUniversity of TorontoSickKids FoundationToronto General HospitalUniversity Health NetworkCentre for Addiction and Mental HealthHospital for Sick Children
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Biomedical Imaging and BioengineeringNational Institute of Neurological Disorders and StrokeNational Institute of General Medical SciencesNational Institute of Mental HealthMedical Research CouncilNational Science FoundationCanadian Institutes of Health ResearchJohns Hopkins UniversityNational Center for Mental HealthFonds Wetenschappelijk OnderzoekWellcome TrustNational Alliance for Research on Schizophrenia and DepressionSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Institutes of HealthMinisterio de Economía y Competitividad
Mots-clésSchizophrenia (object-oriented programming)Polygenic risk scorePopulationGenome-wide association studyDiGeorge syndromeGeneticsPsychosisGenetic associationDeletion syndromePsychiatryBiologyPsychologyMedicineGeneSingle-nucleotide polymorphismGenotypePhenotype
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil0,387
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 Opus0,007
Tête enseignante GPT0,255
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
score_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 découleClassification
machine, non validéePrédiction 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'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
Citations135
Publié2020
Routes d'admission2
Résumé présentnon