MétaCan
Menu
← Retour à la cohorte
Enregistrement W6921150738 · doi:10.6084/m9.figshare.7982666.v1

Protein protein interaction and biomarkers in coronary artery disease

2019· other· en· W6921150738 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeart failureCoronary arteriesDiabetes mellitusHeart diseaseMyocardial infarctionAspirinCoronary artery diseaseFramingham Risk ScoreStroke (engine)

Résumé

récupéré en direct d'OpenAlex

The epidemiological data shows that Coronary heart disease (CHD) is now the leading cause of death worldwide. An estimated 3.8 million men and 3.4 million women die each year from this disease. CHD affects blood vessels supplying the heart with blood, oxygen and nutrients. The primary cause of CHD is atherosclerosis (the hardening and narrowing of the arteries due to the build-up of fatty material and plaque) that reduces blood flow through the coronary arteries to the heart muscle. The reduced or cut-off blood flow and oxygen supply to the heart muscle can result in angina, heart attack and lead to heart failure and arrhythmias. It is estimated that 80-90% of people dying from CHD have one of the major risk factors that are influenced by lifestyle. The major risk factors of CHD include: hypertension, raised serum lipids, smoking, diabetes mellitus, diet, physical activity, obesity, age, family history of CHD, gender, ethnicity and other modifiable risk factors. CHD can be prevented with a healthy lifestyle and by controlling conditions such as high blood pressure, high cholesterol and diabetes. The treatment for CHD includes medications such as aspirin and statin. Furthermore, PCSK9 inhibitor, evolocumab (Repatha) has been shown to significantly lower the risk of heart attack as well as stroke in people with cardiovascular disease. The complications linked with coronary artery disease include chest pain (angina) due to decreased blood flow and shortness of breath, heart attack from a complete blockage, heart failure and abnormal heart rhythm (arrhythmia). The classic signs and symptoms of a heart attack include crushing pressure in chest and pain in shoulder and arm and sweating. The objective of this project was to obtain visual summary of protein-protein interactions that are involved in CHD through bioinformatics approach. Biomarkers of CHD are a measurable indicator of the severity or presence of CHD and can help improve patient care. The organizations affiliated with the care and research for CHD includes Cardiac Health Foundation of Canada, Heart and Stroke Foundation, Canadian Cardiovascular Society and Heart Research Institute.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,030
Tête enseignante GPT0,268
Écart entre enseignants0,237 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Travaux en français237 207→