MétaCan
Menu
Retour à la cohorte
Enregistrement W1986775417 · doi:10.1097/00006324-200102000-00008

Beyond Intraocular Pressure: Neuroprotective Strategies for Future Glaucoma Therapy

2001· review· en· W1986775417 sur OpenAlexaff
Andrew T. E. Hartwick

Notice bibliographique

RevueOptometry and Vision Science · 2001
Typereview
Langueen
DomaineMedicine
ThématiqueGlaucoma and retinal disorders
Établissements canadiensUniversity of WaterlooDalhousie University
Organismes subventionnairesnon disponible
Mots-clésNeuroprotectionGlaucomaMedicineIntraocular pressureRetinal ganglion cellOptic neuropathyOptic nerveOcular hypertensionNeuroscienceOphthalmologyPharmacologyPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: All currently approved glaucoma medications are directed toward lowering intraocular pressure. However, it is apparent that there are pressure-independent mechanisms associated with the development of glaucomatous optic neuropathy. There has been considerable effort to develop therapeutics that rescue the retinal ganglion cells from undergoing secondary degeneration after the original insult has occurred. This therapeutic strategy has been termed neuroprotection. METHODS: The literature was reviewed to examine the current knowledge of the degenerative cascade involved in glaucomatous damage, with emphasis on potential therapeutic targets for neuroprotective strategies. RESULTS: There are a number of promising areas of research for new glaucoma therapies including glutamate antagonists, calcium channel blockers, antioxidants, nitric oxide synthase inhibitors, neurotrophins, and anti-apoptotic agents. CONCLUSIONS: Glaucoma is a complex disease with a number of risk factors and mechanisms leading to ganglion cell death. Future glaucoma therapy will likely include neuroprotectants that could be used as an adjunct therapy with other medications designed to lessen the initial insult (i.e., intraocular pressure-lowering compounds). As the word neuroprotection becomes more popular, care must be taken in evaluating the research literature for clinically effective therapies.

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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,021
Tête enseignante GPT0,422
Écart entre enseignants0,401 · 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

Citations33
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptometry and Vision ScienceMême sujetGlaucoma and retinal disordersTravaux en français237 207