Therapeutic Potential of Annexins in Sepsis and COVID-19
Notice bibliographique
Résumé
Sepsis is a continuing problem in modern healthcare, with a relatively high prevalence, and a significant mortality rate worldwide. Currently, no specific anti-sepsis treatment exists despite decades of research on developing potential therapies. Annexins are molecules that show efficacy in preclinical models of sepsis but have not been investigated as a potential therapy in patients with sepsis. Human annexins play important roles in cell membrane dynamics, as well as mediation of systemic effects. Most notably, annexins are highly involved in anti-inflammatory processes, adaptive immunity, modulation of coagulation and fibrinolysis, as well as protective shielding of cells from phagocytosis. These discoveries led to the development of analogous peptides which mimic their physiological function, and investigation into the potential of using the annexins and their analogous peptides as therapeutic agents in conditions where inflammation and coagulation play a large role in the pathophysiology. In numerous studies, treatment with recombinant human annexins and annexin analogue peptides have consistently found positive outcomes in animal models of sepsis, myocardial infarction, and ischemia reperfusion injury. Annexins A1 and A5 improve organ function and reduce mortality in animal sepsis models, inhibit inflammatory processes, reduce inflammatory mediator release, and protect against ischemic injury. The mechanisms of action and demonstrated efficacy of annexins in animal models support development of annexins and their analogues for the treatment of sepsis. The effects of annexin A5 on inflammation and platelet activation may be particularly beneficial in disease caused by SARS-CoV-2 infection. Safety and efficacy of recombinant human annexin A5 are currently being studied in clinical trials in sepsis and severe COVID-19 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 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) | 0,001 | 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 | 0,001 | 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 ».