Delivering Benefits at Speed Through Real-World Repurposing of Off-Patent Drugs: The COVID-19 Pandemic as a Case in Point
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
Real-world drug repurposing-the immediate "off-label" prescribing of drugs to address urgent clinical needs-is a widely overlooked opportunity. Off-label prescribing (ie, for a nonapproved indication) is legal in most countries and tends to shift the burden of liability and cost to physicians and patients, respectively. Nevertheless, health crises may mean that real-world repurposing is the only realistic source for solutions. Optimal real-world repurposing requires a track record of safety, affordability, and access for drug candidates. Although thousands of such drugs are already available, there is no central repository of off-label uses to facilitate immediate identification and selection of potentially useful interventions during public health crises. Using the current coronavirus disease (COVID-19) pandemic as an example, we provide a glimpse of the extensive literature that supports the rationale behind six generic drugs, in four classes, all of which are affordable, supported by decades of safety data, and targeted toward the underlying pathophysiology that makes COVID-19 so deadly. This paper briefly summarizes why cimetidine or famotidine, dipyridamole, fenofibrate or bezafibrate, and sildenafil citrate are worth considering for patients with COVID-19. Clinical trials to assess efficacy are already underway for famotidine, dipyridamole, and sildenafil, and further trials of all these agents will be important in due course. These examples also reveal the unlimited opportunity to future-proof our health care systems by proactively mining, synthesizing, cataloging, and evaluating the off-label treatment opportunities of thousands of safe, well-established, and affordable generic drugs.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle