MétaCan
Menu
Retour à la cohorte
Enregistrement W3216280004 · doi:10.1007/s00441-021-03560-2

Technology-based approaches toward a better understanding of neuro-coagulation in brain homeostasis

2021· review· en· W3216280004 sur OpenAlexfundno aff
Ben M. Maoz, Maria Asplund, Nicola Maggio, Andreas Vlachos

Notice bibliographique

RevueCell and Tissue Research · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensnon disponible
Organismes subventionnairesGerman-Israeli Foundation for Scientific Research and DevelopmentMinistry of Science and Technology, IsraelAzrieli FoundationDeutsche ForschungsgemeinschaftBrainLinks-BrainToolsTeva Pharmaceutical Industries
Mots-clésCoagulationNeuroscienceHomeostasisComputational biologyBiologyMedicineCell biologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Blood coagulation factors can enter the brain under pathological conditions that affect the blood-brain interface. Besides their contribution to pathological brain states, such as neural hyperexcitability, neurodegeneration, and scar formation, coagulation factors have been linked to several physiological brain functions. It is for example well established that the coagulation factor thrombin modulates synaptic plasticity; it affects neural excitability and induces epileptic seizures via activation of protease-activated receptors in the brain. However, major limitations of current experimental and clinical approaches have prevented us from obtaining a profound mechanistic understanding of "neuro-coagulation" in health and disease. Here, we present how novel human relevant models, i.e., Organ-on-Chips equipped with advanced sensors, can help overcoming some of the limitations in the field, thus providing a perspective toward a better understanding of neuro-coagulation in brain homeostasis.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,982
Score d'incertitude au seuil0,705

Scores Codex et Gemma par catégorie

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

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 Opus0,327
Tête enseignante GPT0,411
Écart entre enseignants0,084 · 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 tête enseignante, 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell and Tissue ResearchMême sujetNeonatal and fetal brain pathologyTravaux en français237 207