An <scp>MDS</scp> Evidence‐Based Review on Treatments for Huntington's Disease
Notice bibliographique
Résumé
BACKGROUND: Huntington's disease (HD) is a rare neurodegenerative disorder with protean clinical manifestations. Its management is challenging, consisting mainly of off-label treatments. OBJECTIVES: The International Parkinson and Movement Disorder Society commissioned a task force to review and evaluate the evidence of available therapies for HD gene expansion carriers. METHODS: We followed the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach. Eligible randomized controlled trials were identified via an electronic search of the CENTRAL, MEDLINE, and EMBASE databases. All eligible trials that evaluated one or more of 33 predetermined clinical questions were included. Risk of bias was evaluated using the Cochrane Risk of Bias tool. A framework was adapted to allow for efficacy and safety conclusions to be drawn from the balance between the GRADE level of evidence and the importance of the benefit/harm of the intervention. RESULTS: Twenty-two eligible studies involving 17 interventions were included, providing data to address 8 clinical questions. These data supported a likely effect of deutetrabenazine on motor impairment, chorea, and dystonia and of tetrabenazine on chorea. The data did not support a disease-modifying effect for premanifest and manifest HD. There was no eligible evidence to support the use of specific treatments for depression, psychosis, irritability, apathy, or suicidality. Similarly, no evidence was eligible to support the use of physiotherapy, occupational therapy, exercise, dietary, or surgical treatments. CONCLUSIONS: Data for therapeutic interventions in HD are limited and support only the use of VMAT2 inhibitors for specific motor symptoms. © 2021 International Parkinson and Movement Disorder Society.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».