MétaCan
Menu
Retour à la cohorte
Enregistrement W1994389066 · doi:10.3747/co.21.1740

Managing Treatment–Related Adverse Events Associated with Alk Inhibitors

2014· article· en· W1994389066 sur OpenAlexaffvenue
J. Rothenstein, Nathalie Letarte

Notice bibliographique

RevueCurrent Oncology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesPfizer
Mots-clésCrizotinibAnaplastic lymphoma kinaseMedicineAdverse effectALK inhibitorOncologyInternal medicineBioinformaticsLung cancerBiology

Résumé

récupéré en direct d'OpenAlex

Anaplastic lymphoma kinase (ALK) rearrangements have been identified as key oncogenic drivers in a small subset of non-small-cell lung cancers (nsclcs). Small-molecule Alk kinase inhibitors such as crizotinib have transformed the natural history of nsclc for this subgroup of patients. Because of the prevalence of nsclc, ALK-positive patients represent an important example of the paradigm for personalized medicine. Although Alk inhibitors such as crizotinib are well tolerated, there is a potential for adverse events to occur. Proactive monitoring, treatment, and education concerning those adverse events will help to optimize the therapeutic index of the drugs. The present review summarizes the management of treatment-related adverse events that can arise with Alk inhibitors such as crizotinib.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,390
Écart entre enseignants0,354 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207