Mesenchymal Cells in the Treatment of Spinal Cord Injury: Current & Future Perspectives
Notice bibliographique
Résumé
Nearly 1.5 million people in the US live with a spinal cord injury (SCI). The cost to the healthcare system is estimated at over $10 billion annually likely because over 65% of SCIs occur at the cervical level. Despite medical advances, many SCI patients still experience substantial neurological disability and high dependency with severe loss of motor, sensory and autonomic function. The consensus from a combination of in vivo studies and in vivo models is that mesenchymal or stromal cells, and possibly even neural progenitors, regardless of derivation act through the provision of trophic support and inflammatory modulation. Indeed, they have been found to secrete a wide spectrum of diffusible factors with known roles in both. As such, mesenchymal cells, obtainable from multiple tissues, are ideally suited to addressing many pathophysiological consequences of SCI. Advances in understanding the latter, structural and functional magnetic resonance imaging, image-guided microneurosurgical techniques and transplantable cell biology have enabled the clinical use of cell-based therapies. Of the twenty most recent cell therapy clinical trials for SCI, seven involve adult bone marrow mesenchymal cells and six others umbilical cord cells. This reflects the growing recognition of the clinical potential of perinatal cells. However, a limited understanding of how best to exploit the capabilities of these cells impedes a full-scale clinical deployment. This mini-review focuses on recent developments that are likely to facilitate the targeted application of these cells to treat specific secondary pathophysiological processes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».