MétaCan
Menu
Retour à la cohorte
Enregistrement W2132051812 · doi:10.2337/db12-0562

Recent Lessons Learned From Prevention and Recent-Onset Type 1 Diabetes Immunotherapy Trials

2012· review· en· W2132051812 sur OpenAlexaff
Teodora Staeva, Lucienne Chatenoud, Richard A. Insel, Mark A. Atkinson

Notice bibliographique

RevueDiabetes · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensJuvenile Diabetes Research Foundation
Organismes subventionnairesnon disponible
Mots-clésImmunotherapyMedicineType 2 diabetesClinical trialDiabetes mellitusIntensive care medicineInternal medicinePediatricsEndocrinologyCancer

Résumé

récupéré en direct d'OpenAlex

Type 1 diabetes (T1D) results from the immune system’s misguided attack on insulin-producing pancreatic β-cells, leading to lifelong insulin replacement therapy as well as to the risk for developing disease-associated complications (1–3). Over the past 2–3 decades, the field of clinical research in T1D has seen tremendous growth, including evaluation of a variety of promising immunotherapy approaches for the prevention or reversal of the disorder (4–6). In just the past 2 years, data from >10 trials have been reported, some revealing promising phase II results. However, phase III trials have failed to demonstrate efficacy. In light of these results, an anxiety-provoked question has arisen: Where does the field go from here? To this end, this article presents and elaborates on key emerging questions and recommendations for future immunotherapy trials in T1D. If implemented successfully, such strategies could accelerate the development of therapies with tangible clinical benefit in T1D because they perhaps more appropriately address the complex nature of the disease. Nearly 30 years after the first immunotherapy clinical trials in type 1 diabetes (T1D), progress has been realized. This progress includes advancements in scientific knowledge (e.g., immune markers, metabolic testing, pathogenesis), the breadth of agents under investigation (Fig. 1), and how clinical trials are increasingly performed as part of major collaborative networks with uniform protocols often bolstered with mechanistic assays. However, shortcomings remain in demonstrating a degree of therapeutic efficacy for recent-onset T1D immunotherapies that is sufficiently robust in terms of risk/benefit to satisfy the requirements for drug registration and approval by regulatory agencies (i.e., Food and Drug Administration, European Medicines Agency). In 2011 and early 2012 after a number of phase I and II recent-onset clinical trials, a series of phase IIB and III recent-onset T1D trials reported their outcomes (7–10). In advance …

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,092
Tête enseignante GPT0,359
Écart entre enseignants0,268 · 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.

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

Citations90
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes and associated disordersTravaux en français237 207