MétaCan
Menu
Retour à la cohorte
Enregistrement W3034869088 · doi:10.1111/ajt.16139

The Fourth International Workshop on Clinical Transplant Tolerance

2020· article· en· W3034869088 sur OpenAlexaff
Fadi Issa, Samuel Strober, Joseph R. Leventhal, Tatsuo Kawai, Dixon B. Kaufman, Josh Levitsky, Megan Sykes, Valeria R. Mas, Kathryn J. Wood, Nancy D. Bridges, Sindhu Chandran, Joren C. Madsen, Peter Nickerson, Anthony J. Demetris, Fadi G. Lakkis, Angus W. Thomson

Notice bibliographique

RevueAmerican Journal of Transplantation · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesMedical Center, University of PittsburghMedical Research CouncilNational Institute for Health and Care ResearchWellcome Trust
Mots-clésMedicineImmunosuppressionClinical trialIntensive care medicineTransplantationOrgan transplantationConsensus conferenceImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The International Workshop on Clinical Transplant Tolerance is a biennial meeting that aims to provide an update on the progress of studies of immunosuppression minimization or withdrawal in solid organ transplantation. The Fourth International Workshop on Clinical Tolerance was held in Pittsburgh, Pennsylvania, September 5-6, 2019. This report is a summary of presentations on the status of clinical trials designed to minimize or withdraw immunosuppressive drugs in kidney, liver, and lung transplantation without subsequent evidence of rejection. All protocols had in common the use of donor or recipient cell therapy combined with organ transplantation. The workshop also included presentations of mechanistic studies designed to improve understanding of the cellular and molecular basis of tolerance and to identify potential predictors/biomarkers of tolerance. Strategies to enhance the safety of hematopoietic cell transplantation and to improve patient selection/risk stratification for clinical trials were also discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0100,005
Science ouverte0,0030,009
Intégrité de la recherche0,0060,014
Charge utile insuffisante (le modèle a refusé de juger)0,0610,030

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 Opus0,044
Tête enseignante GPT0,359
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of TransplantationMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207