MétaCan
Menu
Retour à la cohorte
Enregistrement W2131175249 · doi:10.1517/17460440903186100

Update on models of pulmonary fibrosis therapy for preclinical drug research

2009· article· en· W2131175249 sur OpenAlexaff
Sabina A Antoniu, Martin Kolb

Notice bibliographique

RevueExpert Opinion on Drug Discovery · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInterstitial Lung Diseases and Idiopathic Pulmonary Fibrosis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineIdiopathic pulmonary fibrosisBleomycinPulmonary fibrosisDiseaseDrugIntensive care medicineDrug developmentPreclinical testingFibrosisDrug discoveryLungBioinformaticsPathologyPharmacologyInternal medicineMedical physicsChemotherapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Idiopathic pulmonary fibrosis (IPF) is a disease with high morbidity and mortality for which current medications are not effective. Therefore, identification of potential therapies is of paramount importance. The preclinical evaluation of novel compounds in animal models represents a critical step in drug development. OBJECTIVE: To describe features and limitations of common animal models of pulmonary fibrosis and discuss relevant preclinical and clinical data on novel potential IPF therapies. METHODS: Review of the existing literature on such models with a special focus on the bleomycin model and its usefulness for the IPF preclinical drug testing. CONCLUSIONS: The model of bleomycin-induced pulmonary fibrosis has the advantages of being well established, reproducible and both time- and cost-efficient. However, it has major limitations as it only mimics some features of human IPF. Most importantly, it is initiated by acute lung injury and is at least partially reversible, which is strikingly different from IPF. The failure in establishing effective IPF therapies despite strong efforts in the last decade is partly attributable to our uncritical trust in the models of lung fibrosis and the false belief that they truly reflect what is going on in human disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil0,937

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,402
Écart entre enseignants0,322 · 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 tête enseignante, 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Drug DiscoveryMême sujetInterstitial Lung Diseases and Idiopathic Pulmonary FibrosisTravaux en français237 207