MétaCan
Menu
Retour à la cohorte
Enregistrement W4386503265 · doi:10.54097/ehss.v20i.11497

A Review on Several Recent Studies on Alzheimer’s Disease

2023· review· en· W4386503265 sur OpenAlexaff
Yuejin Qin

Notice bibliographique

RevueJournal of Education Humanities and Social Sciences · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiseaseNeuroscienceOptogeneticsAlzheimer's diseaseBiologyBioinformaticsMedicineComputational biologyPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

The research on Alzheimer’s disease (AD) has progressed in recent years. The potential risk factors for AD are multifaceted, which makes the diagnosis and treatment of AD extremely challenging. With the development of bioinformation other manipulations in the micro level, more and more research studies have revealed different aspects of the disease. This study summarizes current results on the etiology of AD as well as treatments for AD and their effectiveness by reviewing empirical findings. In the genetic level, some genes have been examined on mice model by inhibition or optogenetic activation and revealed pathways in the formation of AD. Apart from genes, proteomic studies on certain proteins have also revealed some related changes triggered by blood proteins. Meanwhile, researchers have tested non-invasive treatments such as affecting the brainwave of mice. However, the results do not always change into clinical treatments. The present study emphasizes the necessity to integrate these pieces of study and form a more comprehensive understanding of AD.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,842
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,511
Tête enseignante GPT0,536
Écart entre enseignants0,025 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education Humanities and Social SciencesMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207