MétaCan
Menu
Retour à la cohorte
Enregistrement W3138920986 · doi:10.3390/microorganisms9030663

The Impact of Tick-Borne Diseases on the Bone

2021· review· en· W3138920986 sur OpenAlexaff
Imran Farooq, Tara J. Moriarty

Notice bibliographique

RevueMicroorganisms · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Vectors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEhrlichiosisTickAnaplasmosisDiseaseTick-borne diseaseLyme diseaseMedicineEncephalitisBiologyBabesiosisVirologyImmunologyVirusPathology

Résumé

récupéré en direct d'OpenAlex

Tick-borne infectious diseases can affect many tissues and organs including bone, one of the most multifunctional structures in the human body. There is a scarcity of data regarding the impact of tick-borne pathogens on bone. The aim of this review was to survey existing research literature on this topic. The search was performed using PubMed and Google Scholar search engines. From our search, we were able to find evidence of eight tick-borne diseases (Anaplasmosis, Ehrlichiosis, Babesiosis, Lyme disease, Bourbon virus disease, Colorado tick fever disease, Tick-borne encephalitis, and Crimean-Congo hemorrhagic fever) affecting the bone. Pathological bone effects most commonly associated with tick-borne infections were disruption of bone marrow function and bone loss. Most research to date on the effects of tick-borne pathogen infections on bone has been quite preliminary. Further investigation of this topic is warranted.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,042
Tête enseignante GPT0,369
Écart entre enseignants0,328 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetViral Infections and VectorsTravaux en français237 207