MétaCan
Menu
Retour à la cohorte
Enregistrement W4200418065 · doi:10.2174/1570193x19666211221150119

Discovery and Development of Antibacterial Agents: Fortuitous and Designed

2021· article· en· W4200418065 sur OpenAlexaff

Notice bibliographique

RevueMini-Reviews in Medicinal Chemistry · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer therapeutics and mechanisms
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésClinical trialAntibioticsDrug developmentDrug discoveryDrug resistanceAntibiotic resistanceBroad spectrum

Résumé

récupéré en direct d'OpenAlex

Today, antibacterial drug resistance has turned into a significant public health issue. Repeated intake, suboptimal and/or unnecessary use of antibiotics, and, additionally, the transfer of resistance genes are the critical elements that make microorganisms resistant to conventional antibiotics. A substantial number of antibacterials that were successfully utilized earlier for prophylaxis and therapeutic purposes have been rendered inadequate due to this phenomenon. Therefore, the exploration of new molecules has become a continuous endeavour. Many such molecules are at various stages of the investigation. A surprisingly high number of new molecules are currently in the stage of phase 3 clinical trials. A few new agents have been commercialized in the last decade. These include solithromycin, plazomicin, lefamulin, omadacycline, eravacycline, delafloxacin, zabofloxacin, finafloxacin, nemonoxacin, gepotidacin, zoliflodacin, cefiderocol, BAL30072, avycaz, zerbaxa, vabomere, relebactam, tedizolid, cadazolid, sutezolid, triclosan, and afabiacin. This article aims to review the investigational and recently approved antibacterials with a focus on their structure, mechanisms of action/resistance, and spectrum of activity. Delving deep, their success or otherwise in various phases of clinical trials is also discussed while attributing the same to various causal factors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,292
Écart entre enseignants0,265 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMini-Reviews in Medicinal ChemistryMême sujetCancer therapeutics and mechanismsTravaux en français237 207