MétaCan
Menu
Retour à la cohorte
Enregistrement W1596505224 · doi:10.1517/14712598.2015.1057564

Cell therapy in muscular dystrophies: many promises in mice and dogs, few facts in patients

2015· review· en· W1596505224 sur OpenAlexaff
Daniel Skuk, Jacques P. Tremblay

Notice bibliographique

RevueExpert Opinion on Biological Therapy · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensWilfrid Laurier UniversityCentre hospitalier de l'Université Laval
Organismes subventionnairesnon disponible
Mots-clésMyocyteClinical trialMedicineCell therapyTransplantationCellSkeletal muscleBioinformaticsStem cellPathologyImmunologyInternal medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Muscular dystrophies (MDs) are genetic diseases that produce progressive loss of skeletal muscle fibers. Cell therapy (CT) is an experimental approach to treat MD. The first clinical trials of CT in MD conducted in the 1990s were based on myoblast transplantation (MT). Since they did not yield the expected results, several researchers sought to discover other cells with more advantageous properties than myoblasts whereas others sought to improve MT. AREAS COVERED: We explain the properties that are required for a cell to be used in CT of MD. We briefly review most of the cells that were proposed for this CT, and to what extent these properties were met not only in laboratory animals but also in clinical trials. EXPERT OPINION: Although the repertoire of cells proposed for CT of MD has been expanded since the 1990s, only myoblasts have currently demonstrated unequivocally to significantly engraft in humans. Indeed, MT for MD involves significant technical challenges that need be solved. While it would be ideal to find cells involving less technical challenges for CT of MD, there is so far no clinical evidence that this is possible and therefore the work to improve MT should continue.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
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 Opus0,074
Tête enseignante GPT0,345
Écart entre enseignants0,271 · 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

Citations47
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Biological TherapyMême sujetMuscle Physiology and DisordersTravaux en français237 207