Cell-cycle times and the tumour control probability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mechanistic dynamic cell population models for the tumour control probability (TCP) to date have used a simplistic representation of the cell cycle: either an exponential cell-cycle time distribution (Zaider & Minerbo, 2000, Tumour control probability: a formulation applicable to any temporal protocol of dose delivery. Phys. Med. Biol., 45, 279-293) or a two-compartment model (Dawson & Hillen, 2006, Derivation of the tumour control probability (TCP) from a cell cycle model. Comput. Math. Methods Med., 7, 121-142; Hillen, de Vries, Gong & Yurtseven, 2009, From cell population models to tumour control probability: including cell cycle effects. Acta Oncol. (submitted)). Neither of these simplifications captures realistic cell-cycle time distributions, which are rather narrowly peaked around the mean. We investigate how including such distributions affects predictions of the TCP. At first, we revisit the so-called 'active-quiescent' model that splits the cell cycle into two compartments and explore how an assumption of compartmental independence influences the predicted TCP. Then, we formulate a deterministic age-structured model and a corresponding branching process. We find that under realistic cell-cycle time distributions, lower treatment intensities are sufficient to obtain the same TCP as in the aforementioned models with simplified cell cycles, as long as the treatment is constant in time. For fractionated treatment, the situation reverses such that under realistic cell-cycle time distributions, the model requires more intense treatment to obtain the same TCP.
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.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 découle