MétaCan
Menu
Retour à la cohorte
Enregistrement W2343019844 · doi:10.2174/1566524016666160429121737

Repurposing of Anti-Diabetic Agents for the Treatment of Cognitive Impairment and Mood Disorders

2016· review· en· W2343019844 sur OpenAlexaff
Danielle Cha, M. Vahtra, Juweiriya Ahmed, Paul Kudlow, Rodrigo B. Mansur, A.F. Carvalho, Roger S. McIntyre

Notice bibliographique

RevueCurrent Molecular Medicine · 2016
Typereview
Langueen
DomaineNeuroscience
ThématiqueTryptophan and brain disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDementiaMoodCognitionMood disordersDiseasePsychologyBioinformaticsDepression (economics)MedicineNeuroscienceClinical psychologyPsychiatryInternal medicineAnxietyBiology

Résumé

récupéré en direct d'OpenAlex

Impairments in cognitive function represent a consistent, non-specific, and clinically significant feature in metabolic, mood, and dementing disorders. The foregoing observation is instantiated by evidence demonstrating that these disorders share pathophysiological mechanisms including, but not limited to, aberrant insulin signaling, inflammation, and glucocorticoid activity. Moreover, these mechanisms have been consistently reported to increase vulnerability to and/or exacerbate impairments in cognitive function. Notwithstanding evidence suggesting a bidirectional relationship between disturbances in the metabolic milieu, mood, and increased risk for dementia, efficacious treatments that target cognitive impairments in these populations do not presently exist. Taken together, it is proposed that anti-diabetic agents may aid the management of mood disorders and future risk for dementia through disease modification by targeting underlying pathophysiological mechanisms (e.g., aberrant metabolic function) rather than focusing solely on symptom mitigation. The current aim is to provide a brief narrative review of extant studies that report on the potential neurotherapeutic effects of anti-diabetic agents on disturbances in mood and impairments in cognitive function.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,057
Tête enseignante GPT0,365
Écart entre enseignants0,307 · 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'étudeAutre devis
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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Molecular MedicineMême sujetTryptophan and brain disordersTravaux en français237 207