Is belief larger than fact: expectations, optimism and reality for translational stem cell research
Notice bibliographique
Résumé
BACKGROUND: Stem cell (SC) therapies hold remarkable promise for many diseases, but there is a significant gulf between public expectations and the reality of progress toward clinical application. Public expectations are fueled by stakeholder arguments for research and public funding, coupled with intense media coverage in an ethically charged arena. We examine media representations in light of the expanding global landscape of SC clinical trials, asking what patients may realistically expect by way of timelines for the therapeutic and curative potential of regenerative medicine? METHODS: We built 2 international datasets: (1) 3,404 clinical trials (CT) containing 'stem cell*' from ClinicalTrials.gov and the World Health Organization's International Clinical Trials Registry Search Portal; and (2) 13,249 newspaper articles on SC therapies using Factiva.com. We compared word frequencies between the CT descriptions and full-text newspaper articles for the number containing terms for SC type and diseases/conditions. We also developed inclusion and exclusion criteria to identify novel SC CTs, mainly regenerative medicine applications. RESULTS: Newspaper articles focused on human embryonic SCs and neurological conditions with significant coverage as well of cardiovascular disease and diabetes. In contrast, CTs used primarily hematopoietic SCs, with an increase in CTs using mesenchymal SCs since 2007. The latter dominated our novel classification for CTs, most of which are in phases I and II. From the perspective of the public, expecting therapies for neurological conditions, there is limited activity in what may be considered novel applications of SC therapies. CONCLUSIONS: Given the research, regulatory, and commercialization hurdles to the clinical translation of SC research, it seems likely that patients and political supporters will become disappointed and disillusioned. In this environment, proponents need to make a concerted effort to temper claims. Even though the field is highly promising, it lacks significant private investment and is largely reliant on public support, requiring a more honest acknowledgement of the expected therapeutic benefits and the timelines to achieving them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,104 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,023 |
| Communication savante | 0,022 | 0,025 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».