MétaCan
Menu
Retour à la cohorte
Enregistrement W4407247343

AGING, ATHEROSCLEROSIS, AUTOIMMUNOINFLAMMATION, AND SYNERGISTIC PHENOMENON

2008· article· ro· W4407247343 sur OpenAlexaboutno aff
Vasile ANESTIADI

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2008
Typearticle
Languero
DomaineImmunology and Microbiology
ThématiqueAtherosclerosis and Cardiovascular Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenomenonPhilosophyEpistemology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

În lucrare se analizează cele mai recente date privind rolul proceselor autoimune şi modifi cările de vârstă ale sistemului arterial în aterogeneză. Procesele de senescenţă contribuie la creşterea permeabilităţii arterelor, dereglarea barierei endoteliale, favorizând insudaţia componentelor plasmatice, inclusiv lipoproteinele, şi infi ltraţia peretelui vascular cu monocite. Microscopia electronică cu baleiaj a suprafeţei interne a arterelor coronariene umane a demonstrat că cel mai precoce indice al leziunilor aterosclerotice este tumefi erea endoteliocitelor. Sinergismul “aterogeneza-gerontogeneza” reprezintă un fenomen fundamental în evoluţia aterosclerozei, denumită şi “rugina vieţii”. Este expus detaliat rolul mecanismelor autoimune în patomorfogeneza aterosclerozei. Infl amaţia imună în peretele arterial, ca reacţie la depunerea complexelor autoimune ce includ lipoproteinele modifi cate în calitate de antigen, este considerată un component important al aterosclerozei. Implicarea imunoinfl amaţiei în mecanismele aterogenezei este apreciată drept o concepţie complet nouă, originală, descrisă recent în monografi a lansată în cadrul International Academy of Pathology (Amsterdam, Montreal). \nПрезидиум Российской Академии Медицинских Наук постановлением № 72 от 28 марта 2007 присудил авторам: Диплом премии им. А.И. Струкова, оценив как “лучшую научную работу по патологической анатомии”. \nÎn Federaţia Rusă premiat – Vladimir Nagornev; în RM premiaţi membrii A.Ş.M. – Vasile Anestiadi şi Eremia Zota.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,178
Tête enseignante GPT0,471
Écart entre enseignants0,293 · 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
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetAtherosclerosis and Cardiovascular DiseasesTravaux en français237 207