MétaCan
Menu
Retour à la cohorte
Enregistrement W2020159664 · doi:10.1517/13543776.2010.533171

Diabetes area participation analysis: a review of companies and targets described in the 2008 – 2010 patent literature

2010· review· en· W2020159664 sur OpenAlexfundno aff
Philip A. Carpino, Bryan Goodwin

Notice bibliographique

RevueExpert Opinion on Therapeutic Patents · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueNatural Antidiabetic Agents Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of CalgaryF. Hoffmann-La Roche
Mots-clésMedicineDiabetes mellitusType 2 diabetesMacrovascular diseaseInsulin resistanceGlycemicInsulinDiseaseDiabetic retinopathyNephropathyRetinopathyObesityInternal medicineEndocrinologyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE OF THE FIELD: Type 2 diabetes is a chronic disease characterized by the development of insulin resistance, impaired pancreatic β-cell function and, ultimately, hyperglycemia. The disease is highly associated with obesity and it is thought that the inappropriate deposition of lipid in tissues such as liver and muscle contributes to a reduction in insulin sensitivity which, in turn, places a burden on the β-cell to secrete more insulin to achieve normoglycemia. Over an extended period of time, this can result in β-cell failure and diminished glycemic control. When poorly managed, type 2 diabetes increases the risk of developing both microvascular and macrovascular complications, including retinopathy, nephropathy and coronary artery disease. The number of Americans with diabetes has approached 24 million in 2007 and the prevalence of the disease is projected to increase with the sedentary lifestyles and high caloric diets that are common today. First-line treatment for the disease involves lifestyle modifications and, if unsuccessful, pharmacotherapy to control symptoms. Anti-diabetic drugs belonging to several mechanistic classes are available (e.g., insulin secretagogues, insulin sensitizers, insulin mimetics and DPP IV inhibitors); however, many of these drugs lose their effectiveness over time, are not well-tolerated in some patients or may have suboptimal risk:benefit ratios. The search for new anti-diabetic drugs has continued to attract considerable interest from both academia and the pharmaceutical industry. AREAS COVERED IN THIS REVIEW: An analysis of 2008 - 2010 patent applications claiming diabetes as an indication has been undertaken. WHAT THE READER WILL GAIN: An understanding of: i) the pharmaceutical companies that have filed patent applications in the anti-diabetes area during 2008 - 2010; ii) the different pharmacological targets under investigation and the patent activity around such targets; iii) some of the targets in the research portfolios of selected companies; iv) chemical structures of compounds that modulate emerging targets and v) the pharmacological rationale underlying several targets with the largest patent counts. TAKE HOME MESSAGE: Type 2 diabetes is a complex disease with many potential points of intervention for pharmacotherapy. A majority of anti-diabetic patent applications claim chemical matter for just eight targets which include five enzymes, a GPCR, a family of nuclear hormone receptors and a class of sodium-dependent glucose co-transporters (11β-HSD1, DGAT1, DPP IV, glucokinase, GPR119, PPAR-α, -δ, -γ, SGLT1 and SGLT2, and stearoyl-CoA desaturase 1 (SCD1)). The major pharmaceutical companies are all pursuing some combination of these top eight targets. Several companies stand out for the breadth of new targets under investigation (e.g., F. Hoffmann-La Roche, Merck & Co., Pfizer, Takeda Pharmaceuticals, Sanofi-Aventis).

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,162
Tête enseignante GPT0,381
Écart entre enseignants0,219 · 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.

Devis d'étudeAutre devis
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Therapeutic PatentsMême sujetNatural Antidiabetic Agents StudiesTravaux en français237 207