MétaCan
Menu
Retour à la cohorte
Enregistrement W3126789380 · doi:10.26443/mjm.v5i1.613

Spectral Differences Between Normal and Atherosclerotic Aorta

2020· article· en· W3126789380 sur OpenAlexvenueno aff
Н. В. Коровин

Notice bibliographique

RevueMcGill Journal of Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesJohns Hopkins University
Mots-clésMedicineAngioplastyAortaCardiologyBalloonInternal medicineArteryCoronary artery diseaseRadiology

Résumé

récupéré en direct d'OpenAlex

Ischemic heart disease associated with coronary artery atherosclerosis is a leading cause ofdeath in the world today. In addition to standard treatments such as balloon angioplasty, laser mediated angioplasty is being considered as a potential adjuvant or replacement. Nevertheless, experiments and clinical experience have demonstrated that laser angioplasty is associated with damage to normal vessel tissue, which can cause serious complications. To study the possibility of minimizing these effects by directing laser energy more specifically to atherosclerotic lesions, data concerning the spectral characteristics of normal and diseased artery are necessary. In the current study, the absorbance, reflection and fluorescence spectra of normal and atherosclerotic aortic wall tissue are defined, revealing that (i) spectral characteristics of atherosclerotic aorta wall samples are significantly differed from that of healthy vascular wall samples and (ii) based on a spectral analysis of vascular wall, it is possible to distinguish morphological types of atherosclerotic plaques (i.e., lipidic, calcified). The current study contributes to a more complete understanding of laser-tissue interactions that may, following more experimentation and technique development, result in an improvement of clinical laser angioplasty technique.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,102
Tête enseignante GPT0,335
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of MedicineMême sujetDermatologic Treatments and ResearchTravaux en français237 207