Concise Review: Cell Therapy for Critical Limb Ischemia: An Integrated Review of Preclinical and Clinical Studies
Notice bibliographique
Résumé
Critical limb ischemia (CLI), the most severe form of peripheral artery disease, is characterized by pain at rest and non-healing ulcers in the lower extremities. For patients with CLI, where the extent of atherosclerotic artery occlusion is too severe for surgical bypass or percutaneous interventions, limb amputation remains the only treatment option. Thus, cell-based therapy to restore perfusion and promote wound healing in patients with CLI is under intense investigation. Despite promising preclinical studies in animal models, transplantation of bone marrow (BM)-derived cell populations in patients with CLI has shown limited benefit preventing limb amputation. Early trials injected heterogenous mononuclear cells containing a low frequency of cells with pro-vascular regenerative functions. Most trials transferred autologous cells damaged by chronic disease that demonstrated poor survival in the ischemic environment and impaired function conferred by atherosclerotic or diabetic co-morbidities. Finally, recent preclinical studies suggest optimized blood vessel formation may require paracrine and/or structural contributions from multiple progenitor cell lineages, angiocrine-secretory myeloid cells derived from hematopoietic progenitor cells, tubule-forming endothelial cells generated by circulating or vessel-resident endothelial precursors, and vessel-stabilizing perivascular cells derived from mesenchymal stem cells. Understanding how stem cells co-ordinate the myriad of cells and signals required for stable revascularization remains the key to translating the potential of stem cells into curative therapies for CLI. Thus, combination delivery of multiple cell types within supportive bioengineered matricies may represent a new direction to improve cell therapy strategies for CLI. Stem Cells 2018;36:161-171.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».