MétaCan
Menu
Retour à la cohorte
Enregistrement W2044182285 · doi:10.1097/icu.0000000000000143

Advances in drug delivery to the posterior segment

2015· review· en· W2044182285 sur OpenAlexaff
William A. Pearce, Jason Hsu, Steven Yeh

Notice bibliographique

RevueCurrent Opinion in Ophthalmology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueRetinal and Macular Surgery
Établissements canadiensNexen (Canada)
Organismes subventionnairesNational Eye InstituteGenentechRegeneron Pharmaceuticals
Mots-clésMedicinePosterior segment of eyeballDrug deliveryClinical trialIntensive care medicineModalitiesOphthalmologyPathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Emerging developments and research for drug delivery to the posterior segment offer a promising future for the treatment of vitreoretinal disease. As new technologies enter the market, clinicians should be aware of new indications and ongoing clinical trials. RECENT FINDINGS: This review summarizes the advantages and shortcomings of the most commonly used drug delivery methods, including vitreous dynamics, physician sustainability and patient preferences. Currently available, intravitreal, corticosteroid-release devices offer surgical and in-office management of retinal vascular disease and posterior uveitis. The suprachoroidal space offers a new anatomic location for the delivery of lower dose medications directly to the target tissue. Implantable drug reservoirs would potentially allow for less frequent intravitreal injections reducing treatment burdens and associated risks. Newer innovations in encapsulated cell technology offer promising results in early clinical trials. SUMMARY: Although pars plana intravitreal injection remains the mainstay of therapy for many vitreoretinal diseases, targeted delivery and implantable eluting devices are rapidly demonstrating safety and efficacy. These therapeutic modalities offer promising options for the vitreoretinal therapeutic landscape.

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)0,000
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,135
Tête enseignante GPT0,446
Écart entre enseignants0,311 · 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

Citations42
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in OphthalmologyMême sujetRetinal and Macular SurgeryTravaux en français237 207