Impact of commonly administered drugs on the progression of spinal cord injury: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Complications arising from acute traumatic spinal cord injury (SCI) are routinely managed by various pharmacological interventions. Despite decades of clinical application, the potential impact on neurological recovery has been largely overlooked. This study aims to highlight commonly administered drugs with potential disease-modifying effects. METHODS: This systematic literature review included studies referenced in PubMed, Scopus and Web of Science from inception to March 31st, 2021, which assess disease-modifying properties on neurological and/or functional recovery of drugs routinely administered following spinal cord injury. Drug effects were classified as positive, negative, mixed, no effect, or not (statistically) reported. Risk of bias was assessed separately for animal, randomized clinical trials, and observational human studies. RESULTS: We analyzed 394 studies conducting 486 experiments that evaluated 144 unique or combinations of drugs. 195 of the 464 experiments conducted on animals (42%) and one study in humans demonstrate positive disease-modifying properties on neurological and/or functional outcomes. Methylprednisolone, melatonin, estradiol, and atorvastatin are the most common drugs associated with positive effects. Two studies on morphine and ethanol report negative effects on recovery. CONCLUSION: Despite a large heterogeneity observed in study protocols, research from bed to bench and back to bedside provides an alternative approach to identify new candidate drugs in the context of SCI. Future research in human populations is warranted to determine if introducing drugs like melatonin, estradiol, or atorvastatin would contribute to enhancing neurological outcomes after acute SCI.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».