Identifying the ‘Achilles heel’ of type 1 diabetes
Notice bibliographique
Résumé
Summary When Thetis dipped her son Achilles into the River Styx to make him immortal, she held him by the heel, which was not submerged, and thus created a weak spot that proved deadly for Achilles. Millennia later, Achilles heel is part of today's lexicon meaning an area of weakness or a vulnerable spot that causes failure. Also implied is that an Achilles heel is often missed, forgotten or under-appreciated until it is under attack, and then failure is fatal. Paris killed Achilles with an arrow ‘guided by the Gods’. Understanding the pathogenesis of type 1 diabetes (T1D) in order to direct therapy for prevention and treatment is a major goal of research into T1D. At the International Congress of the Immunology of Diabetes Society, 2018, five leading experts were asked to present the case for a particular cell/element that could represent ‘the Achilles heel of T1D’. These included neutrophils, B cells, CD8+ T cells, regulatory CD4+ T cells, and enteroviruses, all of which have been proposed to play an important role in the pathogenesis of type 1 diabetes. Did a single entity emerge as ‘the’ Achilles heel of T1D? The arguments are summarized here, to make this case.
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 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.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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.
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.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».