Base de dados : MEDLINE
Pesquisa : L01.313.500.750.280.199 [Categoria DeCS]
Referências encontradas : 5847 [refinar]
Mostrando: 1 .. 10   no formato [Detalhado]

página 1 de 585 ir para página                         

  1 / 5847 MEDLINE  
              next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29231143
[Au] Autor:Vazquez-Prieto S; Paniagua E; Solana H; Ubeira FM
[Ad] Endereço:Laboratorio de Biologia Celular y Molecular, Centro de Investigacion Veterinaria de Tandil (CIVETAN), CONICET, Facultad de Ciencias Veterinarias, UNCPBA, Tandil, Argentina.
[Ti] Título:Complex Network Study of the Immune Epitope Database for Parasitic Organisms.
[So] Source:Curr Top Med Chem;17(30):3249-3255, 2018 Feb 09.
[Is] ISSN:1873-4294
[Cp] País de publicação:Netherlands
[La] Idioma:eng
[Ab] Resumo:BACKGROUND: Complex network approach allows the representation and analysis of complex systems of interacting agents in an ordered and effective manner, thus increasing the probability of discovering significant properties of them. In the present study, we defined and built for the first time a complex network based on data obtained from Immune Epitope Database for parasitic organisms. We then considered the general topology, the node degree distribution, and the local structure (triadic census) of this network. In addition, we calculated 9 node centrality measures for observed network and reported a comparative study of the real network with three theoretical models to detect similarities or deviations from these ideal networks. RESULT: The results obtained corroborate the utility of the complex network approach for handling information and data mining within the database under study. CONCLUSION: They confirm that this type of approach can be considered a valuable tool for preliminary screening of the best experimental conditions to determine whether the amino acid sequences being studied are true epitopes or not.
[Mh] Termos MeSH primário: Bases de Dados Factuais
Epitopos/química
Epitopos/imunologia
Redes Neurais (Computação)
Parasitos/química
Parasitos/imunologia
[Mh] Termos MeSH secundário: Sequência de Aminoácidos
Animais
Mineração de Dados
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Nm] Nome de substância:
0 (Epitopes)
[Em] Mês de entrada:1803
[Cu] Atualização por classe:180308
[Lr] Data última revisão:
180308
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:171213
[St] Status:MEDLINE
[do] DOI:10.2174/1568026618666171211150605


  2 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29220439
[Au] Autor:Gutiérrez-Sacristán A; Bravo À; Portero-Tresserra M; Valverde O; Armario A; Blanco-Gandía MC; Farré A; Fernández-Ibarrondo L; Fonseca F; Giraldo J; Leis A; Mané A; Mayer MA; Montagud-Romero S; Nadal R; Ortiz J; Pavon FJ; Perez EJ; Rodríguez-Arias M; Serrano A; Torrens M; Warnault V; Sanz F; Furlong LI
[Ad] Endereço:Research Group on Integrative Biomedical Informatics (GRIB), Institut Hospital del Mar d'Investigacions Mèdiques (IMIM), DCEXS, Universitat Pompeu Fabra (UPF), C/Dr. Aiguader 88, Barcelona 08003, Spain.
[Ti] Título:Text mining and expert curation to develop a database on psychiatric diseases and their genes.
[So] Source:Database (Oxford);2017, 2017 Jan 01.
[Is] ISSN:1758-0463
[Cp] País de publicação:England
[La] Idioma:eng
[Ab] Resumo:Database URL: http://www.psygenet.org. PsyGeNET corpus: http://www.psygenet.org/ds/PsyGeNET/results/psygenetCorpus.tar.
[Mh] Termos MeSH primário: Curadoria de Dados/métodos
Mineração de Dados/métodos
Bases de Dados Genéticas
Transtornos Mentais/genética
Software
[Mh] Termos MeSH secundário: Seres Humanos
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1801
[Cu] Atualização por classe:180308
[Lr] Data última revisão:
180308
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:171209
[St] Status:MEDLINE
[do] DOI:10.1093/database/bax043


  3 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29220436
[Au] Autor:Ni Y; Jensen K; Kouskoumvekaki I; Panagiotou G
[Ad] Endereço:Systems Biology & Bioinformatics Group, School of Biological Sciences, The University of Hong Kong, Pokfulam Road, Hong Kong.
[Ti] Título:NutriChem 2.0: exploring the effect of plant-based foods on human health and drug efficacy.
[So] Source:Database (Oxford);2017, 2017 Jan 01.
[Is] ISSN:1758-0463
[Cp] País de publicação:England
[La] Idioma:eng
[Ab] Resumo:Database URL: http://sbb.hku.hk/services/NutriChem-2.0/.
[Mh] Termos MeSH primário: Bases de Dados de Produtos Farmacêuticos
Bases de Dados de Proteínas
Interações Alimento-Droga
Plantas Comestíveis
[Mh] Termos MeSH secundário: Biologia Computacional
Mineração de Dados
Seres Humanos
Interface Usuário-Computador
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1801
[Cu] Atualização por classe:180308
[Lr] Data última revisão:
180308
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:171209
[St] Status:MEDLINE
[do] DOI:10.1093/database/bax044


  4 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29220432
[Au] Autor:Mottin L; Pasche E; Gobeill J; Rech de Laval V; Gleizes A; Michel PA; Bairoch A; Gaudet P; Ruch P
[Ad] Endereço:Information Science Department, BiTeM Group, HES-SO/HEG Genève, 17 Rue de la Tambourine, Carouge CH-1227, Switzerland.
[Ti] Título:Triage by ranking to support the curation of protein interactions.
[So] Source:Database (Oxford);2017, 2017 Jan 01.
[Is] ISSN:1758-0463
[Cp] País de publicação:England
[La] Idioma:eng
[Ab] Resumo:Database URL: http://candy.hesge.ch/nextA5.
[Mh] Termos MeSH primário: Biologia Computacional/métodos
Curadoria de Dados/métodos
Mineração de Dados/métodos
Bases de Dados de Proteínas
Mapeamento de Interação de Proteínas/métodos
[Mh] Termos MeSH secundário: Interface Usuário-Computador
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1801
[Cu] Atualização por classe:180308
[Lr] Data última revisão:
180308
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:171209
[St] Status:MEDLINE
[do] DOI:10.1093/database/bax040


  5 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:27773806
[Au] Autor:Wooden B; Goossens N; Hoshida Y; Friedman SL
[Ad] Endereço:Division of Liver Diseases, Department of Medicine, Icahn School of Medicine at Mount Sinai, New York, New York.
[Ti] Título:Using Big Data to Discover Diagnostics and Therapeutics for Gastrointestinal and Liver Diseases.
[So] Source:Gastroenterology;152(1):53-67.e3, 2017 Jan.
[Is] ISSN:1528-0012
[Cp] País de publicação:United States
[La] Idioma:eng
[Ab] Resumo:Technologies such as genome sequencing, gene expression profiling, proteomic and metabolomic analyses, electronic medical records, and patient-reported health information have produced large amounts of data from various populations, cell types, and disorders (big data). However, these data must be integrated and analyzed if they are to produce models or concepts about physiological function or mechanisms of pathogenesis. Many of these data are available to the public, allowing researchers anywhere to search for markers of specific biological processes or therapeutic targets for specific diseases or patient types. We review recent advances in the fields of computational and systems biology and highlight opportunities for researchers to use big data sets in the fields of gastroenterology and hepatology to complement traditional means of diagnostic and therapeutic discovery.
[Mh] Termos MeSH primário: Biologia Computacional
Descoberta de Drogas/métodos
Gastroenteropatias/diagnóstico
Gastroenteropatias/tratamento farmacológico
Hepatopatias/diagnóstico
Hepatopatias/tratamento farmacológico
[Mh] Termos MeSH secundário: Biomarcadores
Mineração de Dados
Seres Humanos
Terapia de Alvo Molecular
[Pt] Tipo de publicação:JOURNAL ARTICLE; REVIEW
[Nm] Nome de substância:
0 (Biomarkers)
[Em] Mês de entrada:1706
[Cu] Atualização por classe:180307
[Lr] Data última revisão:
180307
[Sb] Subgrupo de revista:AIM; IM
[Da] Data de entrada para processamento:161025
[St] Status:MEDLINE


  6 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
[PMID]:29431354
[Au] Autor:Delahoussaye E
[Ti] Título:Data Mining a Breach's Silver Lining: Analyze Breach Data to Improve Release of Information Performance in HIM.
[So] Source:J AHIMA;87(10):33-7, 2016 10.
[Is] ISSN:1060-5487
[Cp] País de publicação:United States
[La] Idioma:eng
[Mh] Termos MeSH primário: Mineração de Dados
Gestão da Informação em Saúde
Disseminação de Informação/métodos
Melhoria de Qualidade
[Mh] Termos MeSH secundário: Segurança Computacional
Seres Humanos
Privacidade
Estados Unidos
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1803
[Cu] Atualização por classe:180301
[Lr] Data última revisão:
180301
[Sb] Subgrupo de revista:H
[Da] Data de entrada para processamento:180213
[St] Status:MEDLINE


  7 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
[PMID]:29431351
[Au] Autor:Bradley P
[Ti] Título:Tying Together CDI, ICD-10, and Healthcare Data Analytics: How CDI Programs and ICD-10 Are Impacting Data Analytics-- and the Benefits Healthcare Organizations are Seeing.
[So] Source:J AHIMA;87(10):28-30, 2016 10.
[Is] ISSN:1060-5487
[Cp] País de publicação:United States
[La] Idioma:eng
[Mh] Termos MeSH primário: Mineração de Dados
Documentação
Gestão da Informação em Saúde/tendências
Classificação Internacional de Doenças
[Mh] Termos MeSH secundário: Seres Humanos
Estados Unidos
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1803
[Cu] Atualização por classe:180301
[Lr] Data última revisão:
180301
[Sb] Subgrupo de revista:H
[Da] Data de entrada para processamento:180213
[St] Status:MEDLINE


  8 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29373609
[Au] Autor:Zhang Y; Shen F; Mojarad MR; Li D; Liu S; Tao C; Yu Y; Liu H
[Ad] Endereço:Division of Biostatistics and Bioinformatics, University of Maryland Marlene and Stewart Greenebaum Comprehensive Cancer Center, Baltimore, Maryland, United States of America.
[Ti] Título:Systematic identification of latent disease-gene associations from PubMed articles.
[So] Source:PLoS One;13(1):e0191568, 2018.
[Is] ISSN:1932-6203
[Cp] País de publicação:United States
[La] Idioma:eng
[Ab] Resumo:Recent scientific advances have accumulated a tremendous amount of biomedical knowledge providing novel insights into the relationship between molecular and cellular processes and diseases. Literature mining is one of the commonly used methods to retrieve and extract information from scientific publications for understanding these associations. However, due to large data volume and complicated associations with noises, the interpretability of such association data for semantic knowledge discovery is challenging. In this study, we describe an integrative computational framework aiming to expedite the discovery of latent disease mechanisms by dissecting 146,245 disease-gene associations from over 25 million of PubMed indexed articles. We take advantage of both Latent Dirichlet Allocation (LDA) modeling and network-based analysis for their capabilities of detecting latent associations and reducing noises for large volume data respectively. Our results demonstrate that (1) the LDA-based modeling is able to group similar diseases into disease topics; (2) the disease-specific association networks follow the scale-free network property; (3) certain subnetwork patterns were enriched in the disease-specific association networks; and (4) genes were enriched in topic-specific biological processes. Our approach offers promising opportunities for latent disease-gene knowledge discovery in biomedical research.
[Mh] Termos MeSH primário: Predisposição Genética para Doença
PubMed
[Mh] Termos MeSH secundário: Mineração de Dados
Seres Humanos
[Pt] Tipo de publicação:JOURNAL ARTICLE; RESEARCH SUPPORT, N.I.H., EXTRAMURAL; RESEARCH SUPPORT, NON-U.S. GOV'T
[Em] Mês de entrada:1802
[Cu] Atualização por classe:180226
[Lr] Data última revisão:
180226
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:180127
[St] Status:MEDLINE
[do] DOI:10.1371/journal.pone.0191568


  9 / 5847 MEDLINE  
              first record previous record next record last record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:29311458
[Au] Autor:Sasaoka S; Hatahira H; Hasegawa S; Motooka Y; Fukuda A; Naganuma M; Umetsu R; Nakao S; Shimauchi A; Ueda N; Hirade K; Iguchi K; Nakamura M
[Ad] Endereço:Laboratory of Drug Informatics, Gifu Pharmaceutical University.
[Ti] Título:[Adverse Event Trends Associated with Over-the-counter Combination Cold Remedy: Data Mining of the Japanese Adverse Drug Event Report Database].
[So] Source:Yakugaku Zasshi;138(1):123-134, 2018.
[Is] ISSN:1347-5231
[Cp] País de publicação:Japan
[La] Idioma:jpn
[Ab] Resumo:OTC combination cold remedies are widely used in Japan. In the present study, we aimed to evaluate the adverse event profiles of OTC combination cold remedy based on the components using the Japanese Adverse Drug Event Report (JADER) database. The JADER database contained 430587 reports between April 2004 and November 2016. 1084 adverse events associated with the use of OTC combination cold remedy were reported. Reporting odds ratio (ROR) was used to detect safety signals. The ROR values for "skin and subcutaneous tissue disorders", "hepatobiliary disorders", and "immune system disorders" stratified by system organ class of the Medical Dictionary for Regulatory Activities (MedDRA) were 9.82 (8.71-11.06), 2.63 (2.25-3.07), and 3.13 (2.63-3.74), respectively. OTC combination cold remedy containing acetaminophen exhibited a significantly higher reporting ratio for "hepatobiliary disorders" than OTC combination cold remedy without acetaminophen. We demonstrated the potential risk of OTC combination cold remedy in a real-life setting. Our results suggested that the monitoring of individuals using OTC combination cold remedy is important.
[Mh] Termos MeSH primário: Acetaminofen/efeitos adversos
Sistemas de Notificação de Reações Adversas a Medicamentos
Mineração de Dados
Bases de Dados Factuais
Uso de Medicamentos/estatística & dados numéricos
Efeitos Colaterais e Reações Adversas Relacionados a Medicamentos/epidemiologia
Medicamentos sem Prescrição/efeitos adversos
[Mh] Termos MeSH secundário: Acetaminofen/administração & dosagem
Sistemas de Notificação de Reações Adversas a Medicamentos/estatística & dados numéricos
Doenças Biliares/induzido quimicamente
Doenças Biliares/epidemiologia
Doença Hepática Induzida por Substâncias e Drogas/epidemiologia
Doença Hepática Induzida por Substâncias e Drogas/etiologia
Combinação de Medicamentos
Doenças do Sistema Imune/induzido quimicamente
Doenças do Sistema Imune/epidemiologia
Japão/epidemiologia
Medicamentos sem Prescrição/administração & dosagem
Razão de Chances
Risco
Dermatopatias/induzido quimicamente
Dermatopatias/epidemiologia
Fatores de Tempo
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Nm] Nome de substância:
0 (Drug Combinations); 0 (Nonprescription Drugs); 362O9ITL9D (Acetaminophen)
[Em] Mês de entrada:1802
[Cu] Atualização por classe:180226
[Lr] Data última revisão:
180226
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:180110
[St] Status:MEDLINE
[do] DOI:10.1248/yakushi.17-00172


  10 / 5847 MEDLINE  
              first record previous record
seleciona
para imprimir
Fotocópia
Texto completo
[PMID]:28457678
[Au] Autor:Hohmann E; Wetzler MJ; D'Agostino RB
[Ad] Endereço:Medical School, University of Queensland, Australia, and Medical School, University of Pretoria, South Africa. Electronic address: ehohmann@hotmail.com.
[Ti] Título:Research Pearls: The Significance of Statistics and Perils of Pooling. Part 2: Predictive Modeling.
[So] Source:Arthroscopy;33(7):1423-1432, 2017 Jul.
[Is] ISSN:1526-3231
[Cp] País de publicação:United States
[La] Idioma:eng
[Ab] Resumo:The focus of predictive modeling or predictive analytics is to use statistical techniques to predict outcomes and/or the results of an intervention or observation for patients that are conditional on a specific set of measurements taken on the patients prior to the outcomes occurring. Statistical methods to estimate these models include using such techniques as Bayesian methods; data mining methods, such as machine learning; and classical statistical models of regression such as logistic (for binary outcomes), linear (for continuous outcomes), and survival (Cox proportional hazards) for time-to-event outcomes. A Bayesian approach incorporates a prior estimate that the outcome of interest is true, which is made prior to data collection, and then this prior probability is updated to reflect the information provided by the data. In principle, data mining uses specific algorithms to identify patterns in data sets and allows a researcher to make predictions about outcomes. Regression models describe the relations between 2 or more variables where the primary difference among methods concerns the form of the outcome variable, whether it is measured as a binary variable (i.e., success/failure), continuous measure (i.e., pain score at 6 months postop), or time to event (i.e., time to surgical revision). The outcome variable is the variable of interest, and the predictor variable(s) are used to predict outcomes. The predictor variable is also referred to as the independent variable and is assumed to be something the researcher can modify in order to see its impact on the outcome (i.e., using one of several possible surgical approaches). Survival analysis investigates the time until an event occurs. This can be an event such as failure of a medical device or death. It allows the inclusion of censored data, meaning that not all patients need to have the event (i.e., die) prior to the study's completion.
[Mh] Termos MeSH primário: Estatística como Assunto
[Mh] Termos MeSH secundário: Pesquisa Biomédica
Mineração de Dados
Seres Humanos
Aprendizado de Máquina
Modelos Estatísticos
[Pt] Tipo de publicação:JOURNAL ARTICLE
[Em] Mês de entrada:1802
[Cu] Atualização por classe:180226
[Lr] Data última revisão:
180226
[Sb] Subgrupo de revista:IM
[Da] Data de entrada para processamento:170502
[St] Status:MEDLINE



página 1 de 585 ir para página                         
   


Refinar a pesquisa
  Base de dados : MEDLINE Formulário avançado   

    Pesquisar no campo  
1  
2
3
 
           



Search engine: iAH v2.6 powered by WWWISIS

BIREME/OPAS/OMS - Centro Latino-Americano e do Caribe de Informação em Ciências da Saúde