Notice bibliographique
Résumé
INTRODUCTION: Over the past decade, a greater understanding into the molecular pathogenesis of renal cell carcinoma (RCC) has led to major advances in treatment options. Sunitinib is an oral, small-molecule, multi-targeted receptor tyrosine kinase inhibitor (TKI) that targets a number of receptors, including vascular endothelial growth factor receptors (VEGFR) and platelet-derived growth factor receptors (PDGFR). Sunitinib was one of the first targeted agents studied in metastatic RCC (mRCC) and is currently used worldwide in the management of mRCC. AREAS COVERED: This drug evaluation addresses the preclinical and clinical development of sunitinib. It provides an in-depth discussion of the Phase II data that led to its approval in mRCC and the subsequent Phase III clinical trial comparing sunitinib to interferon-α. More recent data from the large international expanded access trial, in non-clear cell carcinoma patients, different dosing schedule studies and safety issues are also discussed. Finally, areas for the future use of sunitinib, including in the adjuvant setting, are reviewed. EXPERT OPINION: Since the FDA approved sunitinib for advanced RCC in January 2006, much more has been learned about its efficacy and tolerability. Over the past decade of its clinical use, it has become clear that expertise is required when prescribing sunitinib, in terms of maximizing dose, anticipating and managing side effects, and assessing responses. In the future, a better understanding of sunitinib's role compared with other VEGF TKIs and mTOR inhibitors, and in other roles such as the adjuvant setting or in non-clear cell pathology, will become evident.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».