Establishing the role of the FES tyrosine kinase in the pathogenesis, pathophysiology, and severity of sepsis and its outcomes
Notice bibliographique
Résumé
Introduction Sepsis is a result of initial over-activation of the immune system in response to an infection or trauma that results in reduced blood flow and life-threatening end-organ damage, followed by suppression of the immune system that prevents proper clearance of the infection or trauma. Because of this, therapies that not only limit the activation of the immune system early on, but also improve blood flow to crucial organs and reactivate the immune system in late-stage sepsis, may be effective treatments. The tyrosine kinase FES may fulfill this role. FES is present in immune cells and serves to limit immune system activation. We hypothesize that by enhancing FES in early sepsis and inhibiting its effects in late sepsis, the severity and outcome of septic illness can be improved. Methods and analysis In vitro and in vivo modeling will be performed to determine the degree of inflammatory signaling, cytokine production, and neutrophil extracellular trap (NET) formation that occurs in wild-type (WT) and FES knockout (FES-/-) mice. Clinically available treatments known to enhance or inhibit FES expression (lorlatinib and decitabine, respectively), will be used to explore the impact of early vs. late FES modulation on outcomes in WT mice. Bioinformatic analysis will be performed to examine FES expression levels in RNA transcriptomic data from sepsis patient cohorts, and correlate FES expression data with clinical outcomes (diagnosis of sepsis, illness severity, hospital length-of-stay). Ethics and dissemination Ethics approval pending from the Queen’s University Health Sciences & Affiliated Teaching Hospitals Research Ethics Board. Results will be disseminated through scientific publications and through lay summaries to patients and families.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».