Novel nondopaminergic targets for motor features of Parkinson's disease: Review of recent trials
Notice bibliographique
Résumé
Neurotransmitters other than dopamine are recognized as having modulatory roles within the basal ganglia and can influence the basal ganglia dopaminergic system to alter activity of the direct and indirect pathways. Many nondopaminergic neurotransmitter systems have been implicated in the mechanisms contributing to the motor features of Parkinson's disease (PD). Thus, it is now well established that neurotransmitter systems, including glutamatergic, GABAergic, cholinergic, noradrenergic, serotonergic, opioidergic, histaminergic, and adenosinergic systems, are affected in the pathogenesis of PD. Nondopaminergic neurotransmitter systems are thus targets for the development of novel therapies for motor symptoms and motor complications in PD. Over the last 5 years, more than 20 randomized, control trials (RCTs) in PD investigating drugs that target several of these nondopaminergic neurotransmitter systems for the treatment of motor features have been completed. There are at least 15 additional RCTs that are ongoing or planned. Here, we review these RCTs to highlight the potential nondopaminergic pharmacological therapies for treatment of motor features of PD. Nondopaminergic drugs are not expected to replace dopaminergic strategies, but further development of these drugs will likely yield novel approaches with positive clinical implications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».