Thermal Taste and Anti-Aspiration Drugs: A Novel Drug Discovery Against Pneumonia
Notice bibliographique
Résumé
Despite the development of strong antibiotics, the pneumonia death is increasing all over the world in these decades. Among the people who died of pneumonia, the majority were 65 years old or over. Although pneumonia is recently categorized into several entities, aspiration pneumonia includes all entities. Therefore, targeting dysphagia and aspiration to treat pneumonia is a promising strategy and anti-aspiration drugs will be a part of pneumonia treatment. The swallowing reflex in elderly people was temperature-sensitive and the improvement of swallowing reflex by temperature stimuli could be mediated by the thermosensing TRP channels at pharynx. The administration of capsaicin as an agonist stimulus of TRPV1, a warm temperature receptor, decreased the delay in swallowing reflex. Red wine polyphenols improved swallowing reflex by enhancing TRPV1 response. Food with menthol, agonist of TRPM8 which is a cold temperature receptor, also decreased the delay in swallowing reflex. Olfactory stimulation such as black pepper was useful to improve the swallowing reflex for people with low ADL levels or with decreased consciousness. Thus, recent advancement of geriatrics found several anti-aspiration drugs such as thermosensing TRP channel agonists, black pepper odor, amantadine, cilostazol, theophylline and angiotensin- converting enzymes inhibitors. Thermosensing TRP channel agonists include capsaicin, capsiate, menthol, and red wine polyphenols. Controls of swallowing are mediated by various stages of neural system from peripheral sensory nerves to the entire cerebral cortex. Each anti-aspiration drug acts on various sites of neural axis of swallowing reflex. The combination of various anti-aspiration drugs may improve dysphagia and prevent aspiration pneumonia.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,002 |
| 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 ».