A Feline-Specific Anti-Nerve Growth Factor Antibody Improves Mobility in Cats with Degenerative Joint Disease–Associated Pain: A Pilot Proof of Concept Study
Notice bibliographique
Résumé
BACKGROUND: Neutralizing antibodies against nerve growth factor (NGF) are analgesic in rodent models, naturally occurring degenerative joint disease (DJD) pain in dogs, and chronic pain in humans. OBJECTIVES: To evaluate the efficacy of a fully felinized anti-NGF antibody (NV-02) for the treatment of DJD pain and mobility impairment in cats. ANIMALS: Thirty-four client-owned cats with DJD-associated pain and mobility impairment. METHODS: In a placebo-controlled, pilot, masked clinical study, cats were randomized to a single treatment with NV-02 (0.4 mg/kg SC [n = 11] or 0.8 mg/kg SC [n = 12]) or placebo (saline, SC [n = 11]). Activity was measured objectively. Additionally, owners completed clinical metrology instruments (client-specific outcome measures [CSOM] and feline musculoskeletal pain index [FMPI]) on days 0 (screening), 14 (baseline), 35, 56, and 77. A repeated-measures model was used to evaluate the objective activity data. RESULTS: NV-02 significantly increased objectively measured activity overall (P = .017) and at 2 (P = .035), 3 (P = .007), 4 (P = .006), 5 (P = .007), and 6 (P = .017) weeks after treatment. CSOM scores (P = .035) and pain (P = .024) showed a significant effect of treatment 3 weeks after administration. In the treatment group, 83% of the owners correctly identified the treatment administered compared with 45% of owners in the placebo group (P = .013). No treatment-related adverse effects were identified. CONCLUSIONS: These pilot data demonstrate a 6-week duration positive analgesic effect of this fully felinized anti-NGF antibody in cats suffering from DJD-associated pain.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».