MétaCan
Menu
Retour à la cohorte
Enregistrement W3015671386 · doi:10.1159/000504493

Natural Killer Cells, Aging, and Vaccination

2020· review· en· W3015671386 sur OpenAlexaff
Jacek M. Witkowski, Anis Larbi, Aurélie Le Page, Tamàs Fülöp

Notice bibliographique

RevueInterdisciplinary topics in gerontology and geriatrics · 2020
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésImmune systemImmunologyInnate immune systemBiologyVaccinationAcquired immune systemPhenotypeNatural killer cellInnate lymphoid cellVirologyCytotoxic T cellGeneIn vitro

Résumé

récupéré en direct d'OpenAlex

Aging is associated with changes in the immune system. Both (innate and adaptive) arms of the immune system are involved. Natural killer (NK) cells are part of the innate immune system. They participate in host defense by eliminating cells that are virally infected, transformed, or senescent. They are also able to modulate the adaptive part of the immune system. As all cells, NK cells are subjected to changes with aging, which affects both their phenotype and functions. Aging is associated with various latent chronic viral infections, and the most significant among them is CMV. It is difficult to distinguish between the influence of CMV infection and that of aging itself on the NK cell properties. Recently, NK cells have been shown to be an important player in vaccine efficacy, which is also decreased with aging. In this chapter, we describe age-related changes in NK cells and their possible influence on the efficacy of vaccination in old age.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,025
Tête enseignante GPT0,321
Écart entre enseignants0,296 · 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.

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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterdisciplinary topics in gerontology and geriatricsMême sujetImmune Cell Function and InteractionTravaux en français237 207