Drug-Induced Taste Disorders In Clinical Practice And Preclinical Safety Evaluation
Notice bibliographique
Résumé
More than 200 medications can induce taste disorders in patients. They not only reduce quality of life for those affected, but can lead to malnutrition, severe dehydration and difficulty in maintaining a therapeutic regimen. Nevertheless, the impact of drug candidates on taste is rarely evaluated in preclinical toxicology studies during the early stage of drug development. Moreover, knowledge about how to investigate these adverse effects is scarce in the toxicology field. Here, we discuss the clinical status of drug-induced taste disorders in patients, with the goal of providing toxicologists with a broad understanding of its prevalence, and how stressful and even dangerous it can be to affected patients. Because taste, smell, and oral trigeminal sensation are highly interdependent, we also address drug-induced changes in olfactory and oral somatosensory perceptions. We then review the biology of the gustatory system (including anatomy and histology), and the latest developments about how taste contributes to flavor perception. Finally, we feature recently optimized preclinical approaches to investigate drug-induced taste change in animal models, including morphological evaluation of taste buds and taste cells, gustatory nerve recording, and behavioral testing. Our goals are to raise awareness of drug-induced taste disorders among toxicologists, share an overview of new approaches and key studies that can be used to identify drug-induced gustatory system toxicity early in the drug development process, and to stimulate further research at this emerging interface of chemosensory disorders with toxicology.
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 | 0,012 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».