MétaCan
Menu
Retour à la cohorte
Enregistrement W4400654949 · doi:10.3899/jrheum.2024-0258

GRAPPA 2023 Basic Science Workshop: What to Expect From Animal Models for Psoriatic Arthritis and Psoriasis

2024· article· en· W4400654949 sur OpenAlexvenueno aff
Margot Van Mechelen, S. P. Raychaudhuri, Smriti K. Raychaudhuri, Kurt de Vlam

Notice bibliographique

RevueThe Journal of Rheumatology · 2024
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsoriasisPsoriatic arthritisAnimal modelComputer scienceDiseaseMedicineArthritisTranslational researchProcess (computing)Risk analysis (engineering)Computational biologyDermatologyImmunologyBiologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Animal models help to drive research into psoriasis and psoriatic arthritis (PsA), particularly when studies in humans are not feasible. There are no animal models that perfectly mimic psoriatic disease (PsD) and so the pros and cons of each existing model must be considered for appropriate experimental design. Roughly, the existing animal models for PsD can be divided into 4 categories: (1) spontaneous models, (2) transgenic models, (3) inducible models, and (4) xenotransplantation models. Animal models in PsD are extremely important for dissecting and understanding molecular mechanisms of the disease process and for developing novel drugs. Animal models remain highly valuable for research in PsD in 2 scenarios. The first scenario is when complex interventions or analyses are required that are not feasible in humans due to technical, safety, or economic reasons. The second is when well-controlled study environments are required, such as dietary modifications, that would be challenging in humans. This topic was presented as part of the basic science workshops during the Group for Research and Assessment of Psoriasis and Psoriatic Arthritis (GRAPPA) 2023 annual meeting.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,399

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,107
Tête enseignante GPT0,371
Écart entre enseignants0,263 · 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'étudeAutre devis
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetAnimal testing and alternativesTravaux en français237 207