MétaCan
Menu
Retour à la cohorte
Enregistrement W1974479297 · doi:10.1517/14728214.2014.955014

Emerging drugs for levodopa-induced dyskinesia

2014· review· en· W1974479297 sur OpenAlexaff
Amaal Al Dakheel, Isabelle Beaulieu‐Boire, Susan H. Fox

Notice bibliographique

RevueExpert Opinion on Emerging Drugs · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensToronto Western HospitalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésLevodopaMedicineDyskinesiaIntensive care medicineDiseaseParkinson's diseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Levodopa continues to be the main symptomatic therapy for clinical features of Parkinson's disease. However, prolonged use leads to motor complications, including levodopa-induced dyskinesia (LID). This has debilitating impact on the patients and is a significant challenge for the treating physician. There are currently limited pharmacological options for reducing established LID without causing side effects. Drugs to prevent or delay LID are also an increasing part of the strategy to manage LID, but have yet to show promise. Agents that allow levodopa to be used effectively, without inducing LID, are the goal of current research strategies. AREAS COVERED: LID occurs due to significant modifications in the basal ganglia circuitry, probably related to the chronic, pulsatile stimulation of striatal dopaminergic receptors by levodopa, as well as altered non-dopaminergic neurotransmitter system signaling pathways. Novel treatments that either result in continuous dopaminergic receptor stimulation, levodopa 'sparing strategies' or non-dopaminergic targets, including glutamatergic, serotonergic, adenosine, adrenergic and cholinergic neurotransmission are thus the main treatment options and the focus of this manuscript. Randomized controlled trials in progress (ClinicalTrials.org) or recently published articles are included. EXPERT OPINION: The success of future therapeutic approaches will depend on the potential success of translational research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,056
Tête enseignante GPT0,390
Écart entre enseignants0,334 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Emerging DrugsMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207