MétaCan
Menu
Retour à la cohorte
Enregistrement W4391176052 · doi:10.1146/annurev-pathmechdis-031521-025623

Pediatric Cholestatic Diseases: Common and Unique Pathogenic Mechanisms

2024· review· en· W4391176052 sur OpenAlexaff
Harry Sutton, Saul J. Karpen, Binita M. Kamath

Notice bibliographique

RevueAnnual Review of Pathology Mechanisms of Disease · 2024
Typereview
Langueen
DomaineMedicine
ThématiquePediatric Hepatobiliary Diseases and Treatments
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésCholestasisAlagille syndromeEnterohepatic circulationBiliary atresiaPrimary sclerosing cholangitisProgressive familial intrahepatic cholestasisBile acidMedicineGastroenterologyInternal medicinePrimary biliary cirrhosisIntrahepatic bile ductsBile ductDiseaseLiver transplantation

Résumé

récupéré en direct d'OpenAlex

Cholestasis is the predominate feature of many pediatric hepatobiliary diseases. The physiologic flow of bile requires multiple complex processes working in concert. Bile acid (BA) synthesis and excretion, the formation and flow of bile, and the enterohepatic reuptake of BAs all function to maintain the circulation of BAs, a key molecule in lipid digestion, metabolic and cellular signaling, and, as discussed in the review, a crucial mediator in the pathogenesis of cholestasis. Disruption of one or several of these steps can result in the accumulation of toxic BAs in bile ducts and hepatocytes leading to inflammation, fibrosis, and, over time, biliary and hepatic cirrhosis. Biliary atresia, progressive familial intrahepatic cholestasis, primary sclerosing cholangitis, and Alagille syndrome are four of the most common pediatric cholestatic conditions. Through understanding the commonalities and differences in these diseases, the important cellular mechanistic underpinnings of cholestasis can be greater appreciated.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,341
Écart entre enseignants0,324 · 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'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

Citations30
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Pathology Mechanisms of DiseaseMême sujetPediatric Hepatobiliary Diseases and TreatmentsTravaux en français237 207