MétaCan
Menu
Retour à la cohorte
Enregistrement W3084158847 · doi:10.1055/s-0040-1715474

Netting Liver Disease: Neutrophil Extracellular Traps in the Initiation and Exacerbation of Liver Pathology

2020· review· en· W3084158847 sur OpenAlexafffund
Fien A. von Meijenfeldt, Craig N. Jenne

Notice bibliographique

RevueSeminars in Thrombosis and Hemostasis · 2020
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueNeutrophil, Myeloperoxidase and Oxidative Mechanisms
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada Research Chairs
Mots-clésNeutrophil extracellular trapsLiver diseaseImmunologyImmune systemInflammationBiologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

The liver plays a vital role in the immune system. Its unique position in the portal circulation and the architecture of the hepatic sinusoids, in combination with the wide-ranged population of immunocompetent cells, make the liver function as an immune filter. To aid in pathogen clearance, once challenged, the liver initiates the rapid recruitment of a wide variety of inflammatory cells, including neutrophils. These neutrophils, in conjunction with platelets, facilitate the release of neutrophil extracellular traps (NETs), which are web-like structures of decondensed nuclear DNA, histones, and neutrophil proteins. NETs function as both a physical and a chemical barrier, binding and killing pathogens circulating in the blood stream. In addition to their antimicrobial role, NETs also bind platelets, activate coagulation, and exacerbate host inflammatory response. This interplay between inflammation and coagulation drives microvascular occlusion, ischemia, and (sterile) damage in liver disease. Although direct clinical evidence of this interplay is scarce, preliminary studies indicate that NETs contribute to progression of liver disease and (thrombotic) complications. Here, we provide an overview of the pathological mechanisms of NETs in liver disease. In addition, we summarize clinical evidence for NETs in different disease etiologies and complications of liver disease and discuss the possible implications for the use of NETs as a diagnostic marker and a therapeutic target in liver disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,064
Tête enseignante GPT0,303
Écart entre enseignants0,239 · 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
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

Citations30
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSeminars in Thrombosis and HemostasisMême sujetNeutrophil, Myeloperoxidase and Oxidative MechanismsTravaux en français237 207