MétaCan
Menu
Retour à la cohorte
Enregistrement W3216500586 · doi:10.3389/fnins.2021.790114

Antibody-Based Therapeutic Interventions for Amyotrophic Lateral Sclerosis: A Systematic Literature Review

2021· review· en· W3216500586 sur OpenAlexafffund
Amélie Poulin-Brière, Edris Rezaei, Silvia Pozzi

Notice bibliographique

RevueFrontiers in Neuroscience · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensUniversité Laval
Organismes subventionnairesInstitute of Neurosciences, Mental Health and AddictionCanadian Institutes of Health ResearchALS Society of Canada
Mots-clésAmyotrophic lateral sclerosisMedicineC9orf72DiseaseSOD1NeuroscienceFrontotemporal lobar degenerationPsychological interventionFrontotemporal dementiaPathologyPsychologyDementiaPsychiatry

Résumé

récupéré en direct d'OpenAlex

Amyotrophic Lateral Sclerosis (ALS) is a mid-life onset neurodegenerative disease that manifests its symptomatology with motor impairments and cognitive deficits overlapping with Frontotemporal Lobar Degeneration (FTLD). The etiology of ALS remains elusive, with various mechanisms and cellular targets implicated, and no treatment can reverse or stop the progression of the pathology. Therapeutic interventions based on passive immunization are gaining attention for neurodegenerative diseases, and FDA recently approved the first antibody-based approach for Alzheimer's disease. The present systematic review of the literature aims to highlight the efforts made over the past years at developing antibody-based strategies to cure ALS. Thirty-one original research papers have been selected where the therapeutic efficacy of antibodies were investigated and described in patients and animal models of ALS. Antibody-based interventions analyzed, target both extracellular molecules implicated in the pathology and intracellular pathogenic proteins known to drive the disease, such as SOD1, TDP-43 or C9ORF72 repeats expansions. The potentials and limitations of these therapeutic interventions have been described and discussed in the present review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,422
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207