MétaCan
Menu
Retour à la cohorte
Enregistrement W3023787781 · doi:10.1080/14728214.2020.1763954

Emerging drugs for the treatment of L-DOPA-induced dyskinesia: an update

2020· review· en· W3023787781 sur OpenAlexaff
Sohaila Alshimemeri, Susan H. Fox, Naomi P. Visanji

Notice bibliographique

RevueExpert Opinion on Emerging Drugs · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensToronto Western Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineDyskinesiaPharmacologyIntensive care medicineInternal medicineDiseaseParkinson's disease

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Prolonged treatment with L-3,4-dihydroxyphenylalanine (L-DOPA) leads to the development of uncontrolled movements (L-DOPA-induced dyskinesias (LID)) in Parkinson's disease (PD). There is currently only a single approved drug for the treatment of LID, a long-acting preparation of the NMDA antagonist, amantadine, that has variable benefits and side-effects. Therefore, new treatments for LID remain an unmet in PD. AREAS COVERED: We review the current strategies for the management of LID; the pathogenic mechanisms underlying the development of LID, which provides the rationale for clinical trials of novel targets for LID and provide a review of phase II/III trials for emerging drugs for LID, with either positive results, or ongoing studies, reported between January 2014 and December 2019. EXPERT OPINION: There are several ongoing studies for agents that showed possible benefit at phase Ib/IIa for reducing LID. However, there are no new positive phase III double-blind randomized controlled clinical trials (DBRCT) for emerging treatments for LID. Generating better preclinical models, more precise recruitment tools and better outcome measures remain a priority. The pharmacology of drugs investigated for LID may be too selective; therefore, evaluating combinations of drugs is worthy of consideration as is the repurposing of existing drugs with multiple pharmacological targets.

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 enseignants0,009
Score d'incertitude au seuil0,029

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 ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,064
Tête enseignante GPT0,390
Écart entre enseignants0,326 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Emerging DrugsMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207