MétaCan
Menu
Retour à la cohorte
Enregistrement W4391056031 · doi:10.1016/j.preteyeres.2024.101245

Mechanisms of blood-retinal barrier disruption related to intraocular inflammation and malignancy

2024· article· en· W4391056031 sur OpenAlexaff
Oren Tomkins‐Netzer, Rachael L. Niederer, John Greenwood, Ido Didi Fabian, Yonatan Serlin, Alon Friedman, Susan Lightman

Notice bibliographique

RevueProgress in Retinal and Eye Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Diseases and Behçet’s Syndrome
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineUveitisMalignancyInflammationImmunosuppressionImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Blood-retinal barrier (BRB) disruption is a common accompaniment of intermediate, posterior and panuveitis causing leakage into the retina and macular oedema resulting in vision loss. It is much less common in anterior uveitis or in patients with intraocular lymphoma who may have marked signs of intraocular inflammation. New drugs used for chemotherapy (cytarabine, immune checkpoint inhibitors, BRAF inhibitors, EGFR inhibitors, bispecific anti-EGFR inhibitors, MET receptor inhibitors and Bruton tyrosine kinase inhibitors) can also cause different types of uveitis and BRB disruption. As malignant disease itself can cause uveitis, particularly from breast, lung and gastrointestinal tract cancers, it can be clinically difficult to sort out the cause of BRB disruption. Immunosuppression due to malignant disease and/or chemotherapy can lead to infection which can also cause BRB disruption and intraocular infection. In this paper we address the pathophysiology of BRB disruption related to intraocular inflammation and malignancy, methods for estimating the extent and effect of the disruption and examine why some types of intraocular inflammation and malignancy cause BRB disruption and others do not. Understanding this may help sort and manage these patients, as well as devise future therapeutic approaches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,366
Écart entre enseignants0,345 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations27
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Retinal and Eye ResearchMême sujetOcular Diseases and Behçet’s SyndromeTravaux en français237 207