MétaCan
Menu
Retour à la cohorte
Enregistrement W3159272427 · doi:10.1002/ca.23741

General histological woes: Definition and classification of tissues

2021· review· en· W3159272427 sur OpenAlexaff
Paul E. Neumann, E Neumann

Notice bibliographique

RevueClinical Anatomy · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensAcadia UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésConnective tissuePathologyMedicineHuman bodyCell typeExtracellular matrixFunction (biology)AnatomyBiologyComputational biologyEvolutionary biologyCell biologyCellGenetics

Résumé

récupéré en direct d'OpenAlex

The modern view that the human body is composed of tissues and body fluids, and that there are four basic tissue types, may be a more significant departure from Artistotle's homoeomeres, and from Bichat's membranes and tissues, than commonly appreciated. The older concepts described these body parts as structural and functional parts of organs, whereas it is now commonplace to consider a tissue to be a grouping of similar cells with a variable amount of extracellular matrix. The development of the microscope as a useful tool in human anatomy shifted focus from tissues to cells and led to changes in the definition of tissue and the classification of tissues. Not all of these changes have been consistent with observable facts: many tissues contain diverse cell types, not all "connective tissues" are proper connective tissues, and some specialized tissues are not easily classified as subtypes of one of the four basic types. Here we propose corrective measures, including re-recognition of compound tissues, cataloging all adult human tissue types, and increasing the emphasis on function during the construction of a complete taxonomy of human adult tissues. Specific problems in the current scheme and a preliminary reclassification of human adult tissues are discussed.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,013
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0130,009
Études des sciences et des technologies0,0010,003
Communication savante0,0030,007
Science ouverte0,0040,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,199
Tête enseignante GPT0,454
Écart entre enseignants0,255 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical AnatomyMême sujetBiomedical Text Mining and OntologiesTravaux en français237 207