MétaCan
Menu
Retour à la cohorte
Enregistrement W3006453143 · doi:10.1080/17460441.2020.1722639

An overview of drug discovery efforts for eczema: why is this itch so difficult to scratch?

2020· review· en· W3006453143 sur OpenAlexaff
Kam‐Lun Ellis Hon, Steven King Fan Loo, Alexander K. C. Leung, Joyce T. S. Li, Vivian Lee

Notice bibliographique

RevueExpert Opinion on Drug Discovery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineDupilumabAtopic dermatitisDermatologyClinical trialQuality of life (healthcare)DrugTolerabilityCalcineurinIntensive care medicinePharmacologyAdverse effectInternal medicineTransplantation

Résumé

récupéré en direct d'OpenAlex

Introduction: Atopic dermatitis (AD) is a type of allergic/inflammatory dermatitis characterized by itch and an impairment in quality of life.Areas covered: Herein, the authors review drug discovery efforts for AD, highlighting the clinical efficacy of novel drugs, with a particular focus on the relief of pruritus. Topical agents include emollients, topical antihistamines, corticosteroids, calcineurin inhibitors and herbs. Recently, topical phosphodiesterase E4 (PDE4) inhibitors like crisaborole have become available and are efficacious for mild to moderate AD with few side effects. For more severe AD, monoclonal antibodies like dupilumab are considered as efficacious subcutaneous treatment options. In severe and recalcitrant AD, systemic treatment can ameliorate AD symptoms.Expert opinion: Many topical and systemic medications have demonstrated therapeutic benefits for AD. Indeed, randomized trials have shown that topical PDE4 inhibitors and subcutaneous dupilumab are safe and efficacious. Objective tools to evaluate itch and gauge treatment efficacy is important, but current methodology relies primarily on clinical scores. AD is a systemic atopic disease with a lot of complicated psychosocial issues. Suboptimal efficacy is often due to poor compliance and unrealistic expectation of curative treatment, rendering treatment difficult despite the existence of effective medications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,393
Écart entre enseignants0,331 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Drug DiscoveryMême sujetDermatology and Skin DiseasesTravaux en français237 207