MétaCan
Menu
Retour à la cohorte
Enregistrement W4322617165 · doi:10.2217/nnm-2022-0232

Cholesterol Enhances The Negative Impact of Vaping Additives on Lung Surfactant Model Systems

2022· article· en· W4322617165 sur OpenAlexafffund
Nicolas Van Bavel, Patrick Lai, Raimar Löebenberg, Elmar J. Prenner

Notice bibliographique

RevueNanomedicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPulmonary surfactantBrewster's angleChemistryLungCholesterolLung functionFood scienceMedicineBiochemistryInternal medicineBrewster

Résumé

récupéré en direct d'OpenAlex

Aims: Vaping has given rise to e-cigarette or vaping product use-associated lung injury. Model lung surfactant films were used to assess the impact of vape additives (vitamin E, vitamin E acetate, tetrahydrocannabinol, cannabidiol). This work builds upon our previous findings, by incorporating cholesterol, to understand the interplay between the additives and the sterol in surfactant function. Materials & methods: Compression–expansion cycles of lipid monofilm at the air–water interface and Brewster angle microscopy allowed elucidating the effects of vape additives. Results & conclusion: Vape additives at 5 mol% inhibited proper lipid packing and reduced film stability. Cholesterol enhanced the additive effects, resulting in significantly destabilized films and altered domains. The observed impact could signify dysfunctional lung surfactant and impaired lung function.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil0,482

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 Opus0,022
Tête enseignante GPT0,306
Écart entre enseignants0,285 · 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'étudeSimulation ou modélisation
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 revueNanomedicineMême sujetInhalation and Respiratory Drug DeliveryTravaux en français237 207