Review of monoclonal antibody therapies in asthma and allergic diseases - a new paradigm for precision medicine
Notice bibliographique
Résumé
BACKGROUND: Elucidation of the critical immune pathways involved in allergic inflammation has identified, apart from IgE, therapeutic targets in the cytokine network suitable for intervention by biological therapies. OBJECTIVE: The drugs that target the cytokine networks pertinent to asthma and allergic diseases are reviewed and some illustrative case histories presented. The overview proposes a framework to use when deciding which monoclonal antibody (mAb) to select for treatment of severe asthma based on total IgE concentration, peripheral blood eosinophil count, induced sputum analysis and measurement of fractional exhaled nitric oxide (FENO). METHODS: Internet-based literature search including PubMed for studies on biological therapies targeting IgE and the cytokine network in allergic inflammation focusing on asthma with and without rhinosinusitis and nasal polyposis, eczema, urticaria and food allergies. Lists of pivotal trials published in the peer reviewed literature and pertaining to their own mAb products were also provided by GSK, AstraZeneca and Sanofi. Therapeutic agents licensed or in advanced stages of development (Phase 2b and 3) were selected for discussion. RESULTS: The survey identifies a number of mAbs with substantial potential for the future targeted treatment of asthma with and without rhinosinusitis and nasal polyposis, eczema, urticaria and food allergies uncontrolled by existing therapies. A pragmatic framework is proposed for selecting the optimal mAb for initial use in individual patients with severe asthma. CONCLUSIONS: Launch of these new biologicals may revolutionise the treatment of allergic diseases if employed in an endotype-specific fashion, heralding an unprecedented era of personalised medicine.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 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 ».