Transthyretin Amyloid Cardiomyopathy—Current and Future Therapies
Notice bibliographique
Résumé
Objective: To describe the clinical presentation of transthyretin amyloid cardiomyopathy (ATTR-CM) and discuss current treatments and investigational products and their effect on patient outcomes. Data Sources: A literature search was performed in PubMed (September 2018 to December 2020) using the following keywords: transthyretin amyloidosis, cardiomyopathy, polyneuropathy and transthyretin amyloid cardiomyopathy, monoclonal light-chain, tafamidis, cardiac amyloidosis, ATTR cardiomyopathy, green tea and inhibition of cardiac amyloidosis, AG10, tolcapone, tolcapone and leptomeningeal ATTR, PRX004, NI006, patisiran, inotersen, vutrisiran, AKCEA-TTR-LRx, and NTLA-2001. Study Selection and Data Extraction: Clinical trials were evaluated for evidence supporting pharmacology, safety, efficacy, and measured outcomes. Data Synthesis: Until 2019, there were no approved treatments for ATTR-CM. Treatment consisted of symptom management and organ transplant. Nonpharmacological and pharmacological treatments focused on the symptoms of heart failure (HF) associated with ATTR-CM. However, there are several emerging therapies recently approved or in development to address the underlying pathophysiology. Treatment classes for ATTR-CM include transthyretin stabilizers, human monoclonal antibodies, gene silencers, and CRISPR/Cas9 gene editing. Relevance to Patient Care and Clinical Practice: ATTR-CM is a complex disease in which amyloidosis causes cardiomyopathy. Underdiagnosis is attributed to the clinical presentation being heterogeneous, indistinguishable from HF caused by other etiologies, and the need for invasive testing modalities, including endomyocardial biopsy. Improved diagnostic approaches along with targeted therapies can slow disease progression and enhance patient quality of life. Conclusion: Diagnostic modalities along with biomarker and genetic testing could detect disease earlier and target therapy more accurately. Novel therapies demonstrate potential treatment benefits and can help shape the standard of care for these patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».