Advancements in Non-Dopaminergic Treatments for Schizophrenia: A Systematic Review of Pipeline Developments
Notice bibliographique
Résumé
INTRODUCTION: Conventional antipsychotic drugs that attenuate dopaminergic neural transmission are ineffective in approximately one-third of patients with schizophrenia. This necessitates the development of non-dopaminergic agents. METHODS: A systematic search was conducted for completed phase II and III trials of compounds for schizophrenia treatment using the US Clinical Trials Registry and the EU Clinical Trials Register. Compounds demonstrating significant superiority over placebo in the primary outcome measure in the latest phase II and III trials were identified. Collateral information on the included compounds was gathered through manual searches in PubMed and press releases. RESULTS: Sixteen compounds were identified; four compounds (ulotaront, xanomeline/trospium chloride, vabicaserin, and roluperidone) were investigated as monotherapy and the remaining 12 (pimavanserin, bitopertin, BI 425809, encenicline, tropisetron, pregnenolone, D-serine, estradiol, tolcapone, valacyclovir, cannabidiol, and rimonabant) were examined as add-on therapy. Compared to the placebo, ulotaront, xanomeline/trospium chloride, vabicaserin, bitopertin, estradiol, cannabidiol, rimonabant, and D-serine showed efficacy for positive symptoms; roluperidone and pimavanserin were effective for negative symptoms; and encenicline, tropisetron, pregnenolone, tolcapone, BI 425809, and valacyclovir improved cognitive function. DISCUSSION: Compounds that function differently from existing antipsychotics may offer novel symptom-specific therapeutic strategies for patients with schizophrenia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».