A systematic review of immune-based interventions for perinatal neuroprotection: closing the gap between animal studies and human trials
Notice bibliographique
Résumé
BACKGROUND: Perinatal infection/inflammation is associated with a high risk for neurological injury and neurodevelopmental impairment after birth. Despite a growing preclinical evidence base, anti-inflammatory interventions have not been established in clinical practice, partly because of the range of potential targets. We therefore systematically reviewed preclinical studies of immunomodulation to improve neurological outcomes in the perinatal brain and assessed their therapeutic potential. METHODS: We reviewed relevant studies published from January 2012 to July 2023 using PubMed, Medline (OvidSP) and EMBASE databases. Studies were assessed for risk of bias using the SYRCLE risk of bias assessment tool (PROSPERO; registration number CRD42023395690). RESULTS: Forty preclinical publications using 12 models of perinatal neuroinflammation were identified and divided into 59 individual studies. Twenty-seven anti-inflammatory agents in 19 categories were investigated. Forty-five (76%) of 59 studies reported neuroprotection, from all 19 categories of therapeutics. Notably, 10/10 (100%) studies investigating anti-interleukin (IL)-1 therapies reported improved outcome, whereas half of the studies using corticosteroids (5/10; 50%) reported no improvement or worse outcomes with treatment. Most studies (49/59, 83%) did not control core body temperature (a known potential confounder), and 25 of 59 studies (42%) did not report the sex of subjects. Many studies did not clearly state whether they controlled for potential study bias. CONCLUSION: Anti-inflammatory therapies are promising candidates for treatment or even prevention of perinatal brain injury. Our analysis highlights key knowledge gaps and opportunities to improve preclinical study design that must be addressed to support clinical translation.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».