GDNF and Parkinson’s Disease: Where Next? A Summary from a Recent Workshop
Notice bibliographique
Résumé
The concept of repairing the brain with growth factors has been pursued for many years in a variety of neurodegenerative diseases including primarily Parkinson's disease (PD) using glial cell line-derived neurotrophic factor (GDNF). This neurotrophic factor was discovered in 1993 and shown to have selective effects on promoting survival and regeneration of certain populations of neurons including the dopaminergic nigrostriatal pathway. These observations led to a series of clinical trials in PD patients including using infusions or gene delivery of GDNF or the related growth factor, neurturin (NRTN). Initial studies, some of which were open label, suggested that this approach could be of value in PD when the agent was injected into the putamen rather than the cerebral ventricles. In subsequent double-blind, placebo-controlled trials, the most recent reporting in 2019, treatment with GDNF did not achieve its primary end point. As a result, there has been uncertainty as to whether GDNF (and by extrapolation, related GDNF family neurotrophic factors) has merit in the future treatment of PD. To critically appraise the existing work and its future, a special workshop was held to discuss and debate this issue. This paper is a summary of that meeting with recommendations on whether there is a future for this therapeutic approach and also what any future PD trial involving GDNF and other GDNF family neurotrophic factors should consider in its design.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».