Notice bibliographique
Résumé
Over the past almost 30 years the roles of inflammation and later of specific immune cells in the mechanisms of hypertension have increasingly been demonstrated. Initially it was shown that immune cells infiltrated perivascular tissue in the heart and kidney. Later, the demonstration that macrophages and shortly after T lymphocytes were critical for angiotensin II and DOCA-salt-induced hypertension consolidated the idea that immune mechanisms played a role in cardiovascular and renal injury in hypertension. As well, the anti-inflammatory role of T regulatory lymphocytes, the participation of dendritic cells, of gamma/delta T lymphocytes, of neutrophils through the formation of neutrophil extracellular traps (NETs), has become evident. The role of antigen presentation and intracellular mechanisms leading to activation of innate and adaptive immunity in hypertension have offered additional opportunities for eventually targeting the immune system to control inflammation-mediated damage in hypertension. Interferon-gamma and interleukin-17 appear to be important pro-inflammatory cytokines, whereas interleukin-10 plays an anti-inflammatory role in hypertension. Recent application of single cell RNA sequencing has opened novel vistas of the landscape of immune cells participating in cardiovascular and renal injury in hypertension, which can lead to new therapeutic options to control blood pressure and target organ damage in hypertensive patients.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».