Development of Coronavirus Treatments Using Neutralizing Antibodies
Notice bibliographique
Résumé
The Coronavirus disease 2019 (COVID-19), caused by the novel coronavirus SARS-CoV-2, was first reported in December 2019 in Wuhan, Hubei province, China. This virus has led to 61.8 million cases worldwide being reported as of December 1st, 2020. Currently, there are no definite approved therapies endorsed by the World Health Organization for COVID-19, focusing only on supportive care. Treatment centers around symptom management, including oxygen therapy or invasive mechanical ventilation. Immunotherapy has the potential to play a role in the treatment of SARS-CoV-2. Monoclonal antibodies (mAbs), in particular, is a relatively new approach in the world of infectious diseases and has the benefit of overcoming challenges with serum therapy and intravenous immunoglobulins preparations. Here, we reviewed the articles published in PubMed with the purpose of summarizing the currently available evidence for the use of neutralizing antibodies as a potential treatment for coronaviruses. Studies reporting in vivo results were summarized and analyzed. Despite promising data from some studies, none of them progressed to clinical trials. It is expected that neutralizing antibodies might offer an alternative for COVID-19 treatment. Thus, there is a need for randomized trials to understand the potential use of this treatment.
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) | 0,002 | 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 ».