Cell-based therapies in preclinical models of necrotizing enterocolitis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Necrotizing enterocolitis (NEC) remains an incurable gut complication of prematurity with significant morbidity and mortality. Cell therapies, including mesenchymal stromal cells (MSCs), may be a promising treatment given their anti-inflammatory and regenerative potential. We assessed the effect of MSCs and other cell therapies (not classified as MSCs) on incidence, severity, and mortality in preclinical models of NEC. Bibliographic and gray literature searches yielded 17 371 records with 107 full-text articles assessed and ultimately 16 studies were included. These studies featured only rodents NEC models via combination of hyperosmolar feeds, hypoxia, hypothermia, or lipopolysaccharides. Ten studies used interventions with MSCs. Only 2 met the minimal criteria to define MSCs proposed by the International Society for Cell & Gene Therapy (ISCT). The overall risk of bias was assessed as high partly due to paucity of data with important gaps in reporting, reinforcing the importance of rigorous research framework, appropriate cell-therapy and outcome reporting in preclinical research. A reduction in the incidence of NEC (odds ratio [OR] 0.32, 95% CI [0.17, 0.62]), severe NEC (OR 0.30, 95% CI [0.18, 0.50]), and mortality (OR 0.30, 95% CI [0.16, 0.55]) was noted with MSCs treatment, seemingly more pronounced for ISCT-defined (ISCT+) MSCs. Amniotic fluid stem cells, neural stem cells, and placenta stem cells also showed a reduction in these measures. Given their accessibility (ie, umbilical cord) and proven safety profile in extremely preterm infants, our analysis provides a foundation for considering MSCs as promising candidate that requires further evaluation for the treatment of NEC.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».