Hearing Loss: Reestablish the Neural Plasticity in Regenerated Spiral Ganglion Neurons and Sensory Hair Cells 2020
Notice bibliographique
Résumé
Hearing loss in one of the most common sensory disorders among people around the world, and it has often been referred to as an "invisible disability." Globally, over 1.5 billion people are currently experiencing hearing loss to some degree in 2021, accounting for 20% of the world's population, of which, an estimated 430 million have hearing loss of moderate or higher severity in the better hearing ear, and this number could increase to 2.5 billion by 2050 according to WHO report. Multiple risk factors could contribute to one's hearing capacity during his/her lifetime course, including genetic factors, ototoxic chemicals, noise exposure, trauma to the ear or head, and age-related degeneration. Among all cases of hearing disorders, 85% of them are under the category of sensorineural hearing loss (SNHL). Although SNHL is induced by various factors through different approaches and mechanisms, the major cause for SNHL is irreversible loss of either inner ear hair cells (HCs) or degeneration of spiral ganglion neurons (SGNs). At present, there is no effective treatments for SNHL available, thus, it is not curable yet. In recent years, many studies are dedicated to working on the regenerative capacity of developing and functional HCs and SGNs, and promising results on animal models present us with the potential of regenerating HCs and SGNs by gene therapy, stem cell induction, and signaling pathway manipulation. This raises the possibility of curing SNHL in the foreseeable future. In 2017 and 2018, we have publishes two special issues of "Hearing Loss:
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».