<scp>AOP</scp> report: Development of an adverse outcome pathway for deposition of energy leading to cataracts
Notice bibliographique
Résumé
Cataracts are one of the leading causes of blindness, with an 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 (e.g., macromolecular, cell, tissue, organ, organism and population). AOPs identify a sequence of key events (KEs) causally connected by key event relationships (KERs) beginning with a molecular initiating event to an adverse outcome (AO) of relevance to regulatory decision-making. To construct the cataract AO and retrieve evidence to support it, a scoping review methodology was used to filter, screen, and review studies based on the modified Bradford Hill criteria. Eight KEs were identified that were moderately supported by empirical evidence (e.g., dose-, time-, incidence-concordance) across the adjacent (directly linked) relationships using well-established endpoints. Over half of the evidence to justify the KER linkages was derived from the evidence stream of biological plausibility. Early KEs of oxidative stress and protein modifications had strong linkages to downstream KEs and could be the focus of countermeasure development. Several identified knowledge gaps and inconsistencies related to the quantitative understanding of KERs which could be the basis of future research, most notably directed to experiments in the range of 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».