MétaCan
Menu
Retour à la cohorte

Interpretación de pruebas genéticas y biomarcadores en la distrofia muscular de Duchenne

2025· article· es· W4409683594 sur OpenAlexaff
Fernando Suárez‐Obando, Carolina Rivera Nieto, Norma Carolina Barajas Viracachá, P. Ortiz, Edna Julieth Bobadilla-Quesada, Carlos Ernesto Bolaños Almeida, José Manuel Cañón Zambrano, Sandra Milena Castellar-Leones, Manuel Huertas Quiñones, José L. Hernández, Juan David Lasprilla Tovar, Isabel Londoño Ossa, Sergio Nossa, Blair Ortiz, Fernando Ortiz‐Corredor, Sandra Yaneth Ospina Lagos, Juan Carlos Prieto, Edicson Ruiz Ospina, Felipe Ruiz-Botero, Maria Salcedo-Maldonado, Diana Pilar Soto Peña, Lina Marcela Tavera-Saldaña, María Julia Torres-Nieto, Diana Carolina Sánchez-Peñarete

Notice bibliographique

RevueRevista Ciencias de la Salud · 2025
Typearticle
Languees
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMisericordia Community Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineDuchenne muscular dystrophyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Entre las principales alteraciones que caracterizan la distrofia muscular de Duchenne (DMD) se encuentran: daño de las fibras musculares durante la contracción, daño muscular crónico subsecuente, inflamación y posterior reemplazo de las fibras musculares por tejido fibroso. Este tipo de alteraciones puede reflejarse a través de biomarcadores de la enfermedad. Los biomarcadores en DMD son útiles para hacer el diagnóstico, el seguimiento y la evaluación de la respuesta al tratamiento. La indicación para solicitar los distintos biomarcadores varía de acuerdo con la edad y la historia natural de la enfermedad y su correcta utilización permite realizar un enfoque terapéutico adecuado, un seguimiento correcto y una rehabilitación satisfactoria. En la presente revisión se describen los diferentes tipos de biomarcadores y métodos diagnósticos utilizados en pacientes con DMD, y se recomienda su adecuada utilización de acuerdo con la edad y la historia natural de la enfermedad.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,003
Tête enseignante GPT0,283
Écart entre enseignants0,280 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Ciencias de la SaludMême sujetMuscle Physiology and DisordersTravaux en français237 207