The therapeutic potential of mesenchymal stem cell transplantation as a treatment for multiple sclerosis: consensus report of the International MSCT Study Group
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Current therapies for multiple sclerosis effectively reduce inflammation, but do little in terms of repair to the damaged central nervous system. Cell-based therapies may provide a new strategy for bolstering regeneration and repair through neuro-axonal protection or remyelination. Mesenchymal stem cells modulate pathological responses in experimental autoimmune encephalitis, alleviating disease, but also stimulate repair of the central nervous system through the release of soluble factors. Autologous and allogeneic mesenchymal stem cells have been safely administered to individuals with hemato-oncological diseases and in a limited number of patients with multiple sclerosis. It is therefore reasonable to move mesenchymal stem cells transplantation into properly controlled human studies to explore their potential as a treatment for multiple sclerosis. Since it is likely that the first such studies will probably involve only small numbers of patients in a few centers, we formed an international panel comprising multiple sclerosis neurology and stem cell experts, as well as immunologists. The aims were to derive a consensus on the utilization of mesenchymal stem cells for the treatment of multiple sclerosis, along with protocols for the culture of the cells and the treatment of patients. This article reviews the consensus derived from our group on the rationale for mesenchymal stem cell transplantation, the methodology for generating mesenchymal stem cells and the first treatment protocol for multiple sclerosis patients.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle