Incretin Mimetics as Potential Therapeutics for Concussion and Traumatic Brain Injury: A Narrative Review
Notice bibliographique
Résumé
Traumatic brain injury (TBI) represents a significant health concern, with an estimated 70 million annual cases worldwide. Mild brain trauma (concussions) is the most common TBI (81%), followed by moderate (11%) and severe (8%). Cytokine release and neuroinflammation after TBI may cause blood-brain barrier and tissue damage, triggering unfavorable outcomes, including disabilities and mortality. Current TBI treatments, focused on preventing secondary injury, are limited and insufficient. Therefore, new therapeutic approaches are necessary. A growing body of recent literature supports the potential use of incretins: glucagon-like peptide-1, glucose-dependent insulinotropic peptide, and glucagon receptor agonists, as potent neurotrophic/neuroprotective agents. Experiments performed in cellular and animal models, and a limited number of clinical studies, provide evidence that incretins might be a novel and effective treatment for TBI. Incretin-based compounds have already been shown to be safe and efficacious for the treatment of type 2 diabetes mellitus in humans. Therefore, incretins are ideal candidates for rapid evaluation in clinical trials of TBI and might become a novel therapeutic tool for a condition that has very few disease modifying treatments available. Well-designed human clinical trials are urgently needed to determine optimal dosing, timing, and patient selection for effective incretin use in concussion and TBI.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».