← Retour à la cohorte
Stroke genetics informs drug discovery and risk prediction across ancestries
Stéphanie Debette, Aniket Mishra, Rainer Malik, Tsuyoshi Hachiya, Tuuli Jürgenson, Shinichi Namba, Masaru Koido, Quentin Le Grand, Frederick Kamanu, Mingyang Shi, Yunye He, Marios K. Georgakis, Ilana Caro, Kristi Krebs, Felix Vaura, Naomi Habib, Bendik S. Winsvold, Yon Ho Jee, Jesper Qvist Thomassen, Vida Abedi, Jara Cárcel‐Márquez, Kuang Lin, Marianne Nygaard, Ganesh Chauhan, Hampton L. Leonard, Chaojie Yang, Ekaterina Yonova-Doing, Maria J. Knol, Tetsuro Ago, Philippe Amouyel, Christopher D. Anderson, Nicole D. Armstrong, Mark K. Bakker, Traci M. Bartz, Joshua C. Bis, Constance Bordes, Sigrid Børte, Anael Cain, Paul M. Ridker, Zhengming Chen, Michael Chong, John W. Cole, Rafael de Cid, Matthias Endres, Leslie Ecker Ferreira, Natalie C. Gasca, Vilmundur Guðnason, Jun Hata, Aki S. Havulinna, Jemma C. Hopewell, Hyacinth Hyacinth, Michael Inouye, Mina A. Jacob, Christina Jeon, Christina Jern, Masahiro Kamouchi, Keith L. Keene, Takanari Kitazono, Steven J. Kittner, Takahiro Konuma, Amit Kumar, Paul Lacaze, Lenore J. Launer, Kaido Lepik, Jiang Li, Liming Li, Ani Manichaikul, Hugh S. Markus, Nicholas Marston, Thomas Meitinger, Braxton D. Mitchell, Felipe A. Montellano, Takayuki Morisaki, Thomas H. Mosley, Mike A. Nalls, Børge G. Nordestgaard, Martin O’Donnell, Yukinori Okada, Guillaume Paré, Annette Peters, Bruce M. Psaty, Stephen S. Rich, Jonathan Rosand, Marc S. Sabatine, Ralph L. Sacco, Danish Saleheen, Else Charlotte Sandset, Muralidharan Sargurupremraj, Makoto Sasaki, Claudia L. Satizábal, Carsten Oliver Schmidt, Atsushi Shimizu, Nicholas L. Smith, Daniel Strbian, Yoichi Sutoh, Kozo Tanno, Steffen Tiedt, Nuria P. Torres‐Aguila, David‐Alexandre Trégouët, Stella Trompet, Anil Tuladhar, Anne Tybjærg‐Hansen, Marion van Vugt, Riina Vibo, Kerri L. Wiggins, Daniel Woo, Huichun Xu, Qiong Yang, Mark Lathrop, Iona Y. Millwood, Christian Gieger, Toshiharu Ninomiya, Hans J. Grabe, J. Wouter Jukema, Ina Rissanen, Sudha Seshadri, W.T. Longstreth, Daniel I. Chasman, Joanna M. M. Howson, Marguerite R. Irvin, Hieab H.H. Adams, Sylvia Wasssertheil‐Smoller, Kaare Christensen, M. Arfan Ikram, Tatjana Rundek, Jerome I. Rotter, Moeen Riaz, Eleanor M. Simonsick, Janika Kõrv, Paulo Henrique Condeixa de França, Myriam Fornage, Ramin Zand, Kameshwar Prasad, Ruth Frikke‐Schmidt, Frank‐Erik de Leeuw, Thomas Liman, Karl Georg Hæusler, Ynte M. Ruigrok, Peter U. Heuschmann, Keum Ji Jung, John‐Anker Zwart, Teemu Niiranen, Christian T. Ruff, Israel Fernández‐Cadenas, Robin Walters, Lili Milani, Martin Dichgans
Notice bibliographique
RevueResearch Square · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensHamilton Health SciencesMcGill UniversityThrombosis and Atherosclerosis Research InstituteMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeFaculty of Medicine and Health, University of SydneyErasmus Universitair Medisch Centrum RotterdamLeids Universitair Medisch CentrumMedical Research CouncilOhio State UniversityUniversity of TokyoAgence Nationale de la RechercheUniversiteit MaastrichtUniversiteit van AmsterdamUniversity of California, San DiegoUniversiteit LeidenUniversity of BristolStatens Serum InstitutCenter for Clinical and Translational Science, Ohio State UniversityInstitut National de la Santé et de la Recherche MédicaleInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementAmsterdam University Medical CentersMassachusetts General HospitalUniversity of MinnesotaNorges Teknisk-Naturvitenskapelige UniversitetMaastricht Universitair Medisch CentrumUniversity of WashingtonUniversitair Medisch Centrum GroningenMcKnight Foundation
Mots-clésDrug discoveryDrugComputational biologyGeneticsComputer scienceBiologyBioinformaticsPharmacology
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,923
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| 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.
Tête enseignante Opus0,034
Tête enseignante GPT0,380
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations10
Publié2022
Routes d'admission1
Résumé présentnon