MétaCan
Menu
Retour à la cohorte
Enregistrement W4307244444 · doi:10.54293/smhj.v2i2.43

Effect of Ageing on The Immune System, A Review

2022· review· en· W4307244444 sur OpenAlexaff
Najlaa Mohammad Alsudairy, Sultanah Sameer Ibrahim Saeedi, Nourah Abdullah Alfarhan, ABDULELAH HUSSAIN MOHAMMED AL HAMID, Abdullah Hussain A Alqawain, Zakariya Ali Ahmed AlDawood, Duaa Jawad Aljumah, Hisham Sultan Althobaiti, Asma Ghassan Sadeq, Faisal Mohammed Abdullah Alnemari, Abdulrauf Abdulatif Tashkandi, Ahmad Hamed A Alharbi, Alwaleed khalid Alsufyani, Majed Ali A Alshehri, Rami Ali Shebaily

Notice bibliographique

RevueSaudi Medical Horizons Journal · 2022
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésAgeingStressorImmune systemVulnerability (computing)Stress (linguistics)Social stressPsychologyGerontologyMedicineDevelopmental psychologyImmunologyClinical psychologyComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

The immune system's performance declines as we age, increasing our vulnerability to illnesses and perhaps lowering our quality of life. Stress and normal ageing both cause a decline in immune function. Social and psychological pressures are a regular component of life and the cause of significant events that alter direction. Throughout their lives, people are exposed to a variety of stressors, with effects that develop at various rates due to differences in stress exposure, stress buffering, stress reactivity, stress duration (recovery), and restorative mechanisms. The consequences of these processes on older persons' stress levels have been shown to mimic, aggravate, and possibly accelerate the immune system's ageing process. Therefore, it would be advantageous for aged people and less expensive for society to be able to renew the ageing immune system.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,080
Tête enseignante GPT0,464
Écart entre enseignants0,384 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSaudi Medical Horizons JournalMême sujetCOVID-19 and Mental HealthTravaux en français237 207