Effects of Opioid Antagonists on l-DOPA-Induced Dyskinesia in Parkinson's Disease
Notice bibliographique
Résumé
Long-term treatment of Parkinson's disease with the dopamine precursor 3,4-dihydroxyphenylalanine (l-DOPA) is compromised by the development of motor complications, including involuntary movements termed dyskinesia. The neural mechanisms underlying l-DOPA-induced dyskinesia (LID) involve altered activity of GABAergic striatal output pathways resulting, directly and indirectly, in underactivity of the output regions of the basal ganglia. These GABAergic striatal efferents employ, as co-neurotransmitters, a variety of opioids produced from the large molecular weight opioid precursors pre-proenkephalin-A and -B (PPE-A and PPE-B). Preclinical studies in the 6-hydroxydopamine (6-OHDA)-lesioned rat and 1-methyl-4-phenyl-1,2,3,6-tetrahydropyridine-lesioned primate models of parkin-sonism have consistently demonstrated increased striatal expression of PPE-A and PPE-B in models of dyskinesia compared with the non-dyskinetic state. These, and data from studies in humans, suggest that enhanced opioid peptide transmission is associated with the expression of LID. Behavioural studies using non-selective and subtype-selective opioid receptor antagonists in animal models have shown conflicting results but suggest that, under certain circumstances, opioid antagonists are able to alleviate LID. On balance, studies in PD patients suggest that non-subtype-selective opioid receptor antagonists will not significantly reduce LID. Recent data suggest that the μ-subtype opioid receptor may be the most promising target for novel therapeutics to suppress the expression of LID in patients, though, to date, subtype-selective opioid receptor antagonists have not been assessed in the clinic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».