MétaCan
Menu
Retour à la cohorte
Enregistrement W1801117657 · doi:10.1111/j.1528-1167.2010.02607.x

Evaluation of development‐specific targets for antiepileptogenic therapy using rapid kindling

2010· article· en· W1801117657 sur OpenAlexfundno aff
Raman Sankar, Stéphane Auvin, Young Se Kwon, Eduardo Pineda, Don Shin, Andréy Mazarati

Notice bibliographique

RevueEpilepsia · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeUCB PharmaValeant Pharmaceuticals InternationalGlaxoSmithKline
Mots-clésEpileptogenesisLamotrigineKindling modelAnticonvulsantStatus epilepticusPharmacologyKindlingMedicineTopiramateEpilepsyNeurosciencePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

We used the method of rapid hippocampal kindling to assess the potential antiepileptogenic efficacy of a number of anticonvulsant medications. This method afforded a higher throughput than methods based on traditional kindling or post-status epilepticus models of epileptogenesis. This "compressed epileptogenesis" model also permitted the study of age-dependent pharmacologic targets, and distinguished among antiepileptic drugs (AEDs) on the basis of their age-specific antiepileptogenic efficacy. We found retigabine to be the most effective anticonvulsant therapy during early development. Topiramate seemed most effective further along development, whereas some drugs did not demonstrate an age-specific effect. The method also reproduced some of the paradoxical pharmacologic findings previously shown with lamotrigine. Although the utility of this model for screening the antiepileptogenic therapies requires further validation, it introduces the ability to undertake development-specific testing and a more rapid throughput than conventional methods.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,878

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,122
Tête enseignante GPT0,379
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations29
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetEpilepsy research and treatmentTravaux en français237 207