MétaCan
Menu
Retour à la cohorte
Enregistrement W4376270124 · doi:10.22541/au.168392345.55702945/v1

Development of an adverse outcome pathway for deposition of energy leading to cataracts

2023· preprint· en· W4376270124 sur OpenAlexaff
Emma Carrothers, Meghan Appleby, Vita Lai, Tatiana Kozbenko, Dalya Alomar, Benjamin Smith, Nobuyuki Hamada, Patricia Hinton, Elizabeth A. Ainsbury, Robyn Hocking, Carole L. Yauk, Ruth C. Wilkins, Vinita Chauhan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensCanadian Armed ForcesUniversity of OttawaHealth Canada
Organismes subventionnairesnon disponible
Mots-clésCataractsAdverse Outcome PathwayBlindnessAdverse effectMedicineConstruct (python library)PsychologyEnvironmental healthOphthalmologyOptometryComputer scienceBiologyInternal medicineComputational biology

Résumé

récupéré en direct d'OpenAlex

Cataracts are one of the leading causes of blindness, with estimated 95 million people affected worldwide. A hallmark of cataract development is lens opacification, typically associated not only with aging, but also radiation exposure as encountered by interventional radiologists and astronauts during the long-term space mission. To better understand radiation-induced cataracts, the adverse outcome pathway (AOP) framework was used to structure and evaluate knowledge across biological levels of organization. AOPs identify a sequence of key events (KEs) connected by key event relationships (KERs) beginning with a molecular initiating event (MIE) to an adverse outcome (AO) of relevance to regulatory decision-making. To construct the cataract AOP, a scoping review methodology was used to filter, screen, and review studies based on the modified Bradford Hill criteria. Eight KEs were moderately supported by empirical evidence across the adjacent (directly-linked) relationships using well-established endpoints. Over half of the evidence collected was informed by biological plausibility. Early KEs of oxidative stress and protein modifications could be the focus of countermeasures. Several identified knowledge gaps and inconsistencies in the AOP can be the basis of future research, most notably directed to experiments at low or moderate doses and dose-rates, relevant to radiation workers and other occupational exposures.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,452

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 Opus0,080
Tête enseignante GPT0,348
Écart entre enseignants0,268 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadiation Dose and ImagingTravaux en français237 207