MétaCan
Menu
Retour à la cohorte
Enregistrement W2982558809 · doi:10.21037/tau.2019.10.06

The good, bad, and the ugly of regenerative therapies for erectile dysfunction

2020· review· en· W2982558809 sur OpenAlexaff
Jeffrey Campbell, Uroš Milenković, Mustafa Faruk Usta, Maarten Albersen, Trinity J. Bivalacqua

Notice bibliographique

RevueTranslational Andrology and Urology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSexual function and dysfunction studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésErectile dysfunctionRegenerative medicineMedicineIntensive care medicineClinical trialStem cellBioinformaticsSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Erectile dysfunction (ED) is a common condition which reduces quality of life of both patients and their partners, and is a significant health care expense every year. Although phosphodiesterase type-5 inhibitors are the current first-line treatment for men with ED, they are limited by their on-demand dosing, intolerance, and variable efficacy in complex patient populations such as men with multiple medical comorbidities or ED after pelvic surgery. Regenerative medicine has been introduced and investigated in andrology as an encouraging strategy to restore diseased erectile tissue structure and function. Novel regenerative therapies for ED are controversial but are perceived to offer a durable and safe tissue restorative approach to act as a long-term solution to this cumbersome disease process. Here, we review platelet-rich plasma, amniotic fluid membranes, low-intensity extracorporeal shockwave therapy, and stem cell therapy as regenerative strategies to treat ED. Most of these approaches have preclinical and occasionally clinical data to support their ongoing investigation; however, none of these treatments are currently supported for use in ED patients outside of clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,323
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational Andrology and UrologyMême sujetSexual function and dysfunction studiesTravaux en français237 207