Prospects of Novel and Repurposed Immunomodulatory Drugs against Acute Respiratory Distress Syndrome (ARDS) Associated with COVID-19 Disease
Notice bibliographique
Résumé
Acute respiratory distress syndrome (ARDS) is intricately linked with SARS-CoV-2-associated disease severity and mortality, especially in patients with co-morbidities. Lung tissue injury caused as a consequence of ARDS leads to fluid build-up in the alveolar sacs, which in turn affects oxygen supply from the capillaries. ARDS is a result of a hyperinflammatory, non-specific local immune response (cytokine storm), which is aggravated as the virus evades and meddles with protective anti-viral innate immune responses. Treatment and management of ARDS remain a major challenge, first, because the condition develops as the virus keeps replicating and, therefore, immunomodulatory drugs are required to be used with caution. Second, the hyperinflammatory responses observed during ARDS are quite heterogeneous and dependent on the stage of the disease and the clinical history of the patients. In this review, we present different anti-rheumatic drugs, natural compounds, monoclonal antibodies, and RNA therapeutics and discuss their application in the management of ARDS. We also discuss on the suitability of each of these drug classes at different stages of the disease. In the last section, we discuss the potential applications of advanced computational approaches in identifying reliable drug targets and in screening out credible lead compounds against ARDS.
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 | 0,005 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».