MétaCan
Menu
Retour à la cohorte
Enregistrement W2063479802 · doi:10.2174/0929867033457593

Iron Chelator Research: Past, Present, and Future

2003· review· en· W2063479802 sur OpenAlexaff
Tim F. Tam, Régis Leung-Toung, Wanren Li, Yingsheng Wang, Khashayar Karimian, Michael Spino

Notice bibliographique

RevueCurrent Medicinal Chemistry · 2003
Typereview
Langueen
DomaineMedicine
ThématiqueHemoglobinopathies and Related Disorders
Établissements canadiensApotex (Canada)
Organismes subventionnairesnon disponible
Mots-clésDeferiproneDeferasiroxDeferoxamineCardiotoxicityChelation therapyMedicinePharmacologyThalassemiaToxicityClinical trialHereditary hemochromatosisBeta thalassemiaAnthracyclineHemochromatosisCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

The occurrence of in vivo iron toxicity in the human body can be categorized into iron overload and non-iron overload conditions. Iron overload conditions are common in beta-thalassemia and hereditary hemochromatosis patients, and anthracycline mediated cardiotoxicity is an example of a non-iron overload condition in cancer patients, in which the toxicity is iron-dependent. While hundreds of iron chelators have been evaluated in animal studies, only a few have been studied in humans. Examples of iron chelator drugs are desferrioxamine (DFO), deferiprone (L1), and dexrazoxane (ICRF 187). The compound ICL670 has completed phase II clinical trials and a phase III trial is planned in 2003. Triapine is currently in phase II clinical trial as an anticancer agent. CP502, GT56-252, NaHBED, and MPB0201 are examples of new chelators in preclinical/clinical development. In the past decade, many new viable utilities for iron chelators have been reported. This includes the use of iron chelators as antiviral, photoprotective, antiproliferative, and antifibrotic agents. This review will focus on the status of drug development for the treatment of iron overload in patients with beta-thalassemia and the potential use of iron chelators in the prevention and treatment of other diseases.

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 enseignants0,005
Score d'incertitude au seuil0,015

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
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
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 Opus0,096
Tête enseignante GPT0,410
Écart entre enseignants0,314 · 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

Citations118
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medicinal ChemistryMême sujetHemoglobinopathies and Related DisordersTravaux en français237 207