Bridging the Gap Between Science and Clinical Efficacy: Physiology, Imaging, and Modeling of Aerosols in the Lung
Notice bibliographique
Résumé
Development of a new drug for the treatment of lung disease is a complex and time consuming process involving numerous disciplines of basic and applied sciences. During the 2015 Congress of the International Society for Aerosols in Medicine, a group of experts including aerosol scientists, physiologists, modelers, imagers, and clinicians participated in a workshop aiming at bridging the gap between basic research and clinical efficacy of inhaled drugs. This publication summarizes the current consensus on the topic. It begins with a short description of basic concepts of aerosol transport and a discussion on targeting strategies of inhaled aerosols to the lungs. It is followed by a description of both computational and biological lung models, and the use of imaging techniques to determine aerosol deposition distribution (ADD) in the lung. Finally, the importance of ADD to clinical efficacy is discussed. Several gaps were identified between basic science and clinical efficacy. One gap between scientific research aimed at predicting, controlling, and measuring ADD and the clinical use of inhaled aerosols is the considerable challenge of obtaining, in a single study, accurate information describing the optimal lung regions to be targeted, the effectiveness of targeting determined from ADD, and some measure of the drug's effectiveness. Other identified gaps were the language and methodology barriers that exist among disciplines, along with the significant regulatory hurdles that need to be overcome for novel drugs and/or therapies to reach the marketplace and benefit the patient. Despite these gaps, much progress has been made in recent years to improve clinical efficacy of inhaled drugs. Also, the recent efforts by many funding agencies and industry to support multidisciplinary networks including basic science researchers, R&D scientists, and clinicians will go a long way to further reduce the gap between science and clinical efficacy.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».