MétaCan
Menu
Retour à la cohorte
Enregistrement W3122506799 · doi:10.1038/s41418-020-00681-z

Cutting the molecular brakes to achieve cardiac regeneration

2021· letter· en· W3122506799 sur OpenAlexafffund
Victoria L. Nelson, Keith R. Brunt

Notice bibliographique

RevueCell Death and Differentiation · 2021
Typeletter
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensSaint John Regional Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchGovernment of Canada
Mots-clésRegeneration (biology)NeuroscienceCell biologyBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

It has been estimated that nearly 1 billion cardiomyocytes (CM) die in a typical acute myocardial infarction (MI). There is an ongoing search for safe, reliable, sufficient replacement strategy for the lost CM to restore functional mass. All organs possess some regenerative capacity but in a spectrum of ability. In some organs, this is an integral part of their continuous physiological self-renewal (e.g., blood, skin, gut). In other organs, a mixture of cell-cycle re-entry, hyperplasia, differentiation, and hypertrophy compensate for lost cell mass (e.g., liver, skeletal muscle). In the adult heart, regeneration is currently inconsequential after injury. In the absence of CM renewal, remodeling is the default (eventually leading to decompensatory heart failure). The intense proliferation of fibroblasts and scarring secure the cardiac structure but at the risk of diastolic dysfunction, dilatation, or arrhythmia on top of systolic impairment from lost contractile tissue. Fibrotic remodelling also occurs in the peri-infarct and, to a lesser degree, in remote regions of the heart. Further, the residual CM undergo concentric hypertrophy as they adapt to the increased workload leftover by lost CM, a process necessary to restore cardiac output towards normal levels. The “holy-grail” of therapy would be to survive this redistribution of hemodynamic load after injury and outrace scar formation with functional contractile capacity. A race regrettably lost far too often in the clinic.

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)0,006
score de la tête « metaresearch » (Gemma)0,023
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,005
Communication savante0,0050,005
Science ouverte0,0020,003
Intégrité de la recherche0,0580,059
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,013
Tête enseignante GPT0,227
Écart entre enseignants0,215 · 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
GenreCommentaire

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

En bref

Citations6
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueCell Death and DifferentiationMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207