MétaCan
Menu
Retour à la cohorte
Enregistrement W3165886389 · doi:10.33263/briac101.864868

Can oxidative stress markers help define stroke prognosis?

2019· article· en· W3165886389 sur OpenAlexaff
Mirella Veras

Notice bibliographique

RevueBiointerface Research in Applied Chemistry · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurological Disorders and Treatments
Établissements canadiensCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésOxidative stressStroke (engine)Inclusion and exclusion criteriaMedicineDiseaseClinical trialInclusion (mineral)RehabilitationBiomarkerWeb of scienceBioinformaticsPhysical therapyPhysical medicine and rehabilitationPathologyInternal medicineMeta-analysisPsychologyAlternative medicineBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Objective: To identify which oxidative stress markers can influence early stroke prognosis. Methodology: This is a systematic review carried out in two databases, PubMed and Web of Science, from November to December 2018. Two blinded, independent researchers probed the databases and gleaned descriptors indexed on both sites. “Markers”, “oxidative stress” AND “stroke” were the terms singled out for this study. The inclusion criteria were: the articles needed to have been published in English from 2013 to 2018, as well as include descriptors either in the title or in the abstract, and involve clinical trials with samples composed of stroke survivors. The exclusion criteria were: research involving animal experimentation; duplicate publications; articles without a clear methodology; articles that chiefly addressed any disease other than stroke, and those that were not available in full. Results: This review identified TBARS, catalase, nitric oxide (NO), Thiois, C-reactive protein and SOD as the most recurrent oxidative regulation markers in stroke survivors. These findings may direct new research toward obtaining early prognoses, and therefore enable more accurate decision-making. thus minimizing the costs and time related to the patient rehabilitation process.

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)0,011
score de la tête « metaresearch » (Gemma)0,043
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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,043
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0070,007
Études des sciences et des technologies0,0000,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,060
Tête enseignante GPT0,325
Écart entre enseignants0,265 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiointerface Research in Applied ChemistryMême sujetNeurological Disorders and TreatmentsTravaux en français237 207