MétaCan
Menu
Retour à la cohorte
Enregistrement W2073839177 · doi:10.1002/ana.1028

Potential for creatine and other therapies targeting cellular energy dysfunction in neurological disorders

2001· article· en· W2073839177 sur OpenAlexaff
Mark A. Tarnopolsky, M. Flint Beal

Notice bibliographique

RevueAnnals of Neurology · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCoenzyme Q10Amyotrophic lateral sclerosisCreatineMedicinePhosphocreatineNeuroprotectionBioenergeticsNeurodegenerationCarnitineNeurologyPharmacologyDiseaseBioinformaticsInternal medicineMitochondrionEnergy metabolismBiologyBiochemistryPsychiatry

Résumé

récupéré en direct d'OpenAlex

Substantial evidence indicates that bioenergetic dysfunction plays either a primary or secondary role in the pathophysiology of cell death in neurodegenerative and neuromuscular disorders, and even in normal aging. Agents that ameliorate bioenergetic defects may therefore be useful in therapy. Creatine, which increases muscle and brain phosphocreatine concentrations, and may inhibit the activation of the mitochondrial permeability transition, protects against neuronal degeneration in transgenic murine models of amyotrophic lateral sclerosis and Huntington's disease and in chemically mediated neurotoxicity. Initial studies of creatine use in humans appear promising; however, further long-term, well-designed trials are needed. Coenzyme Q10, Gingko biloba, nicotinamide, riboflavin, carnitine, lipoic acid, and dichloroacetate are other agents which may have beneficial effects on energy metabolism, but the preclinical and clinical evidence for efficacy in neurological diseases remains limited. These compounds are widely used as dietary supplements; however, they must be subjected to rigorous evaluation through randomized, double-blinded trials to establish efficacy, cost-effectiveness and safety in neurological disorders.

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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,039
Tête enseignante GPT0,280
Écart entre enseignants0,241 · 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

Citations238
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of NeurologyMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207