Vascular endothelial growth factor gene transfer therapy for coronary artery disease: A systematic review and meta‐analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: It is not clear whether treatment by vascular endothelial growth factor (VEGF) gene transfer can improve myocardial ischemia through a proangiogenesis mechanism and is effective against coronary artery disease (CAD). We aimed to perform a systematic review and meta-analysis of randomized controlled trials (RCTs) that compared VEGF gene therapy and standard treatments in CAD. METHODS: We systematically searched the PubMed, Embase, and Cochrane databases and relevant references for RCTs (published up to May 2018; no language restrictions) and performed meta-analysis using both fixed and random effects models. Our primary outcome measures were mortality and serious cardiac events. The secondary outcome measures were follow-up left ventricular ejection fraction (LVEF), change in LVEF (ΔLVEF), and angina outcomes. The registration number is CRD42017058430. RESULTS: Of 524 identified studies, 14 were eligible and were included in our analysis. At a mean follow-up of 6 months, VEGF gene therapy demonstrated a decreased risk of serious cardiac events (11.7% vs 21.2%, relative risk: 0.56; 95% confidence interval (CI): 0.37, 0.84; P = 0.005) and a slight improvement in follow-up LVEF (weighted mean difference: 1.95; 95%CI: 1.28, 2.62). Furthermore, VEGF gene therapy using adenoviral vectors showed more potential benefit in terms of the risk of serious cardiac events, ΔLVEF, and Canadian Cardiovascular Society angina class. Nevertheless, mortality and angina frequency scores were not different. CONCLUSIONS: Vascular endothelial growth factor gene therapy appears to be safe and effective regarding serious cardiac events, with greater benefit when using adenoviral vectors. This meta-analysis highlights the need for further exploration in these areas.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,022 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle