MétaCan
Menu
Retour à la cohorte
Enregistrement W4248797930 · doi:10.1159/000497375

Human Inflammaging

2019· review· en· W4248797930 sur OpenAlexafffund
Tamàs Fülöp, Anis Larbi, Jacek M. Witkowski

Notice bibliographique

RevueGerontology · 2019
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune responses and vaccinations
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésContext (archaeology)Proinflammatory cytokineImmune systemInflammationStressorSubclinical infectionMedicineImmunologyNeuroscienceBiologyPathology

Résumé

récupéré en direct d'OpenAlex

Human aging is a very complex process that occurs in an intricate biological and physiological setting. Many changes occur with aging and among the most important are changes in immune reactivity associated with cell differentiation stages and the phenomenon of inflammaging, understood as subclinical inflammatory readiness, manifested by elevated levels of proinflammatory factors. It was stated for a long time that this tandem occurs in parallel or eventually sequentially. However, recent evidence points to the fact that, as both originate from chronic antigen stimulation, they mutually drive each other. In this context, inflammaging is considered the basis of most age-related diseases (ARD). In this review concerning human inflammaging, we argue that inflammatory diseases develop during whole life as a diverted (excessive) normal immune reaction to specific stressors. Thus, inflammaging may not be the cause of these diseases; however, it can be the trigger of clinical manifestation of ARD. In this context, the best intervention should aim to regulate the balance between pro- and anti-inflammatory signals and the more appropriate reaction to chronic stimulations to avoid/delay the appearance of associated diseases.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,098
Tête enseignante GPT0,380
Écart entre enseignants0,282 · 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

Citations206
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGerontologyMême sujetImmune responses and vaccinationsTravaux en français237 207