MétaCan
Menu
Retour à la cohorte
Enregistrement W4224219978 · doi:10.1080/14712598.2022.2066471

Onasemnogene abeparvovec for the treatment of spinal muscular atrophy

2022· article· en· W4224219978 sur OpenAlexaff
Hugh J. McMillan, Crystal M. Proud, Michelle A. Farrar, Ian E. Alexander, Francesco Muntoni, Laurent Servais

Notice bibliographique

RevueExpert Opinion on Biological Therapy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurogenetic and Muscular Disorders Research
Établissements canadiensMcGill University Health CentreMontreal Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésSpinal muscular atrophyMedicinePhysical medicine and rehabilitationPathologyDisease

Résumé

récupéré en direct d'OpenAlex

Introduction Gene therapy for spinal muscular atrophy (SMA) represents a significant milestone in the treatment of neurologic diseases. SMA is a neurodegenerative disease that results in motor neuron loss because of mutations of the survival motor neuron 1 gene, which directs survival motor neuron (SMN) protein production. Onasemnogene abeparvovec, a one-time gene replacement therapy, delivers a functional transgene to restore SMN protein expression. Onasemnogene abeparvovec has demonstrated improved survival and motor milestone achievements for presymptomatic infants and patients with SMA type 1.Areas covered This expert review describes the current state of gene therapy for SMA, reviews the mechanism of and clinical experience with onasemnogene abeparvovec, explains future efforts to expand applications of gene therapy for SMA, and provides context for developing gene therapy for other conditions.Expert opinion Onasemnogene abeparvovec has demonstrated efficacy in clinical trials and, because of this, is a valuable treatment option for patients with symptomatic infantile SMA and those identified by newborn screening. Gene therapy is still in its infancy, and challenges and uncertainties associated with transgene delivery must be addressed. With ongoing development of vector technology, more specific tissue tropism, reduced ‘off-target’ effects, and an enhanced safety profile will continue to evolve.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,707

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)0,0010,000

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 Opus0,159
Tête enseignante GPT0,406
Écart entre enseignants0,247 · 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'étudeSans objet
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

Citations34
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Biological TherapyMême sujetNeurogenetic and Muscular Disorders ResearchTravaux en français237 207