Baricitinib: A Review of Pharmacology, Safety, and Emerging Clinical Experience in COVID‐19
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
A hyperinflammatory response to severe acute respiratory syndrome-coronavirus 2 (SARS-CoV-2) infection, reminiscent of cytokine release syndrome, has been implicated in the pathophysiology of acute respiratory distress syndrome and organ damage in patients with coronavirus disease 2019 (COVID-19). Agents that inhibit components of the pro-inflammatory cascade have garnered interest as potential treatment options with hopes that dampening the proinflammatory process may improve clinical outcomes. Baricitinib is a reversible Janus-associated kinase (JAK)-inhibitor that interrupts the signaling of multiple cytokines implicated in COVID-19 immunopathology. It may also have antiviral effects by targeting host factors that viruses rely for cell entry and by suppressing type I interferon driven angiotensin-converting-enzyme-2 upregulation. However, baricitinib's immunosuppressive effects may be detrimental during acute viral infections by delaying viral clearance and increasing vulnerability to secondary opportunistic infections. The lack of reliable biomarkers to monitor patients' immune status as illness evolves complicates deployment of immunosuppressive drugs like baricitinib. Furthermore, baricitinib carries the risk of increased thromboembolic events, which is concerning given the proclivity towards a hypercoagulable state in patients with COVID-19. In this article, we review available data on baricitinib with an emphasis on immunosuppressive and antiviral pharmacology, pharmacokinetics, safety, and current progress in COVID-19 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.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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