MétaCan
Menu
Retour à la cohorte
Enregistrement W2096989330 · doi:10.1017/s1462399411002055

Challenges associated with curcumin therapy in Alzheimer disease

2011· review· en· W2096989330 sur OpenAlexaff
Abdenour Belkacemi, Sihem Doggui, Lê H. Dao, Charles Ramassamy

Notice bibliographique

RevueExpert Reviews in Molecular Medicine · 2011
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCurcumin's Biomedical Applications
Établissements canadiensUniversité LavalArmand Frappier MuseumInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésCurcuminPharmacologyMedicinePhytochemicalOxidative stressBioavailabilityIn vivoNeuroinflammationTraditional medicineDiseaseBiologyBiotechnologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Curcumin, the phytochemical agent in the spice turmeric, which gives Indian curry its yellow colour, is also a traditional Indian medicine. It has been used for millennia as a wound-healing agent and for treating a variety of ailments. The antioxidant, anti-inflammatory, antiproliferative and other properties of curcumin have only recently gained the attention of modern pharmacology. The mechanism of action of curcumin is complex and multifaceted. In part, curcumin acts by activating various cytoprotective proteins that are components of the phase II response. Over the past decade, research with curcumin has increased significantly. In vitro and in vivo studies have demonstrated that curcumin could target pathways involved in the pathophysiology of Alzheimer disease (AD), such as the β-amyloid cascade, tau phosphorylation, neuroinflammation or oxidative stress. These findings suggest that curcumin might be a promising compound for the development of AD therapy. However, its insolubility in water and poor bioavailability have limited clinical trials and its therapeutic applications. To be effective as a drug therapy, curcumin must be combined with other drugs, or new delivery strategies need to be developed.

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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,108
Tête enseignante GPT0,384
Écart entre enseignants0,276 · 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

Citations129
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Reviews in Molecular MedicineMême sujetCurcumin's Biomedical ApplicationsTravaux en français237 207