MétaCan
Menu
Retour à la cohorte
Enregistrement W4286628835 · doi:10.3389/frym.2022.746884

Can We Heal A Broken Heart With Cells?

2022· article· en· W4286628835 sur OpenAlexafffund
Ana Spasojevic, Marc Ruel, Erik J. Suuronen, Emilio I. Alarcón

Notice bibliographique

RevueFrontiers for Young Minds · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesMinistero dello Sviluppo EconomicoCanadian Institutes of Health ResearchUniversity of OttawaNatural Sciences and Engineering Research Council of CanadaHeart and Stroke Foundation of Canada
Mots-clésStem cellMyocyteHeart cellsHuman heartHeart beatMedicineBeat (acoustics)CardiologyInternal medicineCell biologyBiology

Résumé

récupéré en direct d'OpenAlex

Cardiomyocytes are the muscle cells that make the heart beat, pump oxygen, and deliver nutrient-rich blood throughout the human body. During a heart attack, the blood supply to the heart is interrupted. Cardiomyocytes then die and are replaced by scar tissue that can no longer contract. As a result, the heart is weakened and may beat abnormally. For many years, researchers have been searching for a way to replace damaged cardiomyocytes with new ones. Stem cells are master cells that grow and divide rapidly. They may be ideal for repairing organs and tissues because they can turn into many different cell types, including cardiomyocytes. Among other medical therapies, stem cells have been used to develop the cardiac patch, a heart “band-aid” that can regenerate damaged heart muscle. In this article, we will discuss the advantages and limitations of using stem cells for repairing a “broken heart.”

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)0,000
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · 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
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers for Young MindsMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207