MétaCan
Menu
Retour à la cohorte
Enregistrement W4391399172 · doi:10.1080/13543784.2024.2313105

Duchenne muscular dystrophy: promising early-stage clinical trials to watch

2024· article· en· W4391399172 sur OpenAlexaff
Annie Tang, Toshifumi Yokota

Notice bibliographique

RevueExpert Opinion on Investigational Drugs · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDuchenne muscular dystrophyMuscular dystrophyMedicineClinical trialDiseasePhysical therapyPhysical medicine and rehabilitationPediatricsIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Current therapies are unable to cure Duchenne muscular dystrophy (DMD), a severe and common form of muscular dystrophy, and instead aim to delay disease progression. Several treatments currently in phase I trials could increase the number of therapeutic options available to patients. AREAS COVERED: This review aims to provide an overview of current treatments undergoing or having recently undergone early-stage trials. Several exon-skipping and gene therapy approaches are currently being investigated at the clinical stage to address an unmet need for DMD treatments. This article also covers Phase I trials from the last 5 years that involve inhibitors, small molecules, a purified synthetic flavanol, a cell-based therapy, and repurposed cardiac or tumor medications. EXPERT OPINION: With antisense oligonucleotide (AON) treatments making up the majority of conditionally approved DMD therapies, most of the clinical trials occurring within the last 5 years have also evaluated exon-skipping AONs. The approval of Elevidys, a micro-dystrophin therapy, is reflected in a recent trend toward gene transfer therapies in phase I DMD clinical trials, but their safety and efficacy are being established in this phase of development. Other Phase I clinical-stage approaches are diverse, but have a range in efficacy, safety, and endpoint measures.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,104
Tête enseignante GPT0,438
Écart entre enseignants0,334 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Investigational DrugsMême sujetMuscle Physiology and DisordersTravaux en français237 207