MétaCan
Menu
Retour à la cohorte
Enregistrement W2020600748 · doi:10.1200/jco.2012.43.4522

Role of Epidermal Growth Factor Receptor Inhibitors in Epidermal Growth Factor Receptor Wild-Type Non–Small-Cell Lung Cancer

2013· review· en· W2020600748 sur OpenAlexaff
Scott A. Laurie, Glenwood Goss

Notice bibliographique

RevueJournal of Clinical Oncology · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensOttawa Regional Cancer FoundationOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésEpidermal growth factor receptorMedicineEpidermal growth factorGrowth factor receptor inhibitorCancer researchTGF alphaLung cancerReceptorOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Worldwide, the majority of patients with advanced non-small-cell lung cancer (NSCLC) do not have activating mutations in the tyrosine kinase domain of the epidermal growth factor receptor (EGFR). These wild-type patients comprise a significant proportion of those treated with inhibitors of this pathway, and data from randomized trials suggest that some of these wild-type patients will derive a modest benefit from these agents. Although the detection of an activating mutation predicts for a greater likelihood of response and longer progression-free survival from an EGFR tyrosine kinase inhibitor, currently there are no biomarkers that consistently and reproducibly predict for lack of benefit in wild-type patients. Several strategies to increase the efficacy of these inhibitors in wild-type NSCLC are the subject of ongoing investigations.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0090,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,092
Tête enseignante GPT0,468
Écart entre enseignants0,376 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations91
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207