MétaCan
Menu
Retour à la cohorte
Enregistrement W1975742490 · doi:10.1038/aja.2011.155

Mathematically modelling and controlling prostate cancer under intermittent hormone therapy

2012· review· en· W1975742490 sur OpenAlexaff
Yoshito Hirata, Gouhei Tanaka, Nicholas Bruchovsky, Kazuyuki Aihara

Notice bibliographique

RevueAsian Journal of Andrology · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensVancouver General Hospital
Organismes subventionnairesJapan Society for the Promotion of ScienceCouncil for Science and Technology Policy
Mots-clésAndrogen suppressionProstate cancerAndrogenMedicineScheduleHormone therapyHormoneProstateCancerOncologyBioinformaticsInternal medicineComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

In this review, we summarize our recently developed mathematical models that predict the effects of intermittent androgen suppression therapy on prostate cancer (PCa). Although hormone therapy for PCa shows remarkable results at the beginning of treatment, cancer cells frequently acquire the ability to grow without androgens during long-term therapy, resulting in an eventual relapse. To circumvent hormone resistance, intermittent androgen suppression was investigated as an alternative treatment option. However, at the present time, it is not possible to select an optimal schedule of on- and off-treatment cycles for any given patient. In addition, clinical trials have revealed that intermittent androgen suppression is effective for some patients but not for others. To resolve these two problems, we have developed mathematical models for PCa under intermittent androgen suppression. The mathematical models not only explain the mechanisms of intermittent androgen suppression but also provide an optimal treatment schedule for the on- and off-treatment periods.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,386
Écart entre enseignants0,280 · 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'étudeSimulation ou modélisation
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

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of AndrologyMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207