La rhinosinusite chronique : ses endotypes épithéliaux et son pathobiome viral
Bibliographic record
Abstract
La rhinosinusite chronique (RSC) est une maladie inflammatoire des sinus suffisamment prévalente au Canada et pouvant avoir un impact significatif sur la qualité de vie des patients. Depuis plusieurs années, cette maladie complexe constitue un terrain fertile pour la recherche scientifique. Bien qu’elle soit bien comprise au niveau syndromique, plusieurs mystères persistent quant aux mécanismes physiopathologiques sous-jacents. Ces questionnements pourraient potentiellement expliquer les différences cliniques observées, particulièrement dans les réponses thérapeutiques. Considérant les lacunes persistantes dans la compréhension entière de la maladie, le présent mémoire tente de faire le point sur les endotypes épithéliaux ainsi que sur le pathobiome de la RSC. Dans un premier temps, l’analyse transcriptomique de cellules épithéliales cultivées en laboratoire de patients avec RSC a permis d’identifier deux groupes distincts en termes de marqueurs inflammatoires et de signature épithéliale. Ceci laisse supposer que ces mécanismes physiopathologiques seraient grandement impliqués dans la maladie. Dans un deuxième temps, et dans un objectif exploratoire et de faisabilité, le séquençage d’échantillons de RSC a permis de détecter la présence de virus, laissant présager que ceux-ci pourraient avoir un rôle dans la physiopathologie de la maladie et combler les mystères résiduels dans sa compréhension globale. En conclusion, les endotypes déterminés par le profil d’expression génique permettraient une meilleure classification de la RSC et une meilleure personnalisation des thérapies. De plus, la présence tangible de virus dans la RSC est certainement prometteuse et ouvre une grande porte de recherche. Toutefois, d’autres études seront nécessaires pour mieux caractériser leur nature et leur rôle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".