MétaCan
Menu
← Retour à la cohorte
Enregistrement W7001175001

Immune mechanisms as predictors of cognitive impairment and therapeutic targets in pre-symptomatic Alzheimer's disease

2020· dissertation· en· W7001175001 sur OpenAlexafffund

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2020
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesPfizer CanadaNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierEisaiGovernment of CanadaPfizerNovartis Pharmaceuticals CorporationBiogenEli Lilly and CompanyBristol-Myers SquibbBioClinicaU.S. Department of DefenseAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's AssociationMcGill University
Mots-clésDiseaseImmune systemPathologicalWindow of opportunityCentral nervous systemCognitive impairmentMechanism (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Alzheimer's disease (AD) is commonly known for the typical memory loss that accompanies its clinical expression.However, it is now understood that the clinical expression of the disease is most likely preceded by up to three decades of pathological changes.Thus, the lack of efficacy of drugs developed and tested in the last twenty years may owe, at least in part, to treatment being "too little too late."The period of silent pathological changes, otherwise called the pre-symptomatic phase, offers a window of opportunity to identify biological mechanisms altered in the pathogenetic process and for their modification through preventive interventions.a PhD.He gave me the freedom to work independently and pursue my own research questions while fostering scientific rigor and considerably improving my writing skills.His advice and lessons will undoubtedly continue to help me throughout my career.I would also like to thank my co-supervisor, Dr. Sylvia Villeneuve for taking me into her lab and giving me a rich, stimulating and safe environment to pursue my graduate studies.Beyond teaching me how to do great science, she also leads by example in creating an outstanding environment for all trainees inside and outside of the lab.Within the Villeneuve lab, I would like to acknowledge Dr. Etienne Vachon-Presseau who's acute critical mind leads to better scientific practice.I hope I have learned a lot from him over the last couple of years.I would also like to thank fellow graduate student Alexa Pichet Binette for her enthusiasm, positivity and constructive criticism which helps others to continually improve.I am grateful for Dr. Julie Gonneaud sharing her expertise and knowledge of our field and also her pastries which invariably contributed to better days.I would also like to acknowledge Hazal Ozlen, Melissa McSweeney, Dr. Theresa Köbe

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,254
Écart entre enseignants0,235 · 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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetNeuroinflammation and Neurodegeneration Mechanisms→Travaux en français237 207→