Developing Predictive Animal Models and Establishing a Preclinical Trials Network for Assessing Treatment Effects on Cognition in Schizophrenia
Notice bibliographique
Résumé
Animal models are an essential initial phase in the discovery of novel drugs to treat psychiatric disorders. At the sixth Measurement and Treatment Research to Improve Cognition in Schizophrenia conference, "New Approaches to Assessing and Improving Cognition in Schizophrenia," a discussion group was formed to address issues related to the development of predictive animal models of cognition that may be used as preclinical assays for putative cognitive enhancers. We identified 2 complementary approaches used to model cognitive impairments in animals. First, basic lesion/pharmacological models provide information about the particular neural substrates that may underlie different types of cognitive deficits found in schizophrenia. Findings from these studies can be mapped onto the second, more elaborate and etiologically relevant neurodevelopmental models of the disorder to ascertain which cognitive systems may be altered by early developmental insults. Particular attention must be given to the types of animal tasks used, in order to relate directly to the cognitive domains that are affected in schizophrenia patients. Importantly, the validation and standardization of the methodologies used in these preclinical assays would require the establishment of a preclinical trials network, serving as a counterpart to the recently established Treatment Units for Research on Neurocognition and Schizophrenia. The need to validate specific approaches to assess cognitive functions relevant to schizophrenia could be satisfied by a concerted effort enabled by a new funding directive from the National Institute of Mental Health with the explicit purpose of facilitating research on these models and assessing novel drug therapies that may be used to ameliorate the cognitive deficits in schizophrenia.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».