Notice bibliographique
Résumé
BACKGROUND: Until recently, few treatments were available for renal cell carcinoma (RCC) and gastrointestinal stromal tumors (GIST). Several targeted agents inhibiting key pathogenetic pathways have since been developed for RCC (sunitinib, sorafenib, bevacizumab, temsirolimus, everolimus) and GIST (imatinib, sunitinib). Sunitinib is a multi-kinase inhibitor of VEGFR-2, PDGFR (alpha,beta), FLT-3, KIT, CSF-1 and RET. OBJECTIVE: To summarize the literature regarding the structure, pharmacokinetics, pharmacodynamics, toxicity and current clinical use of sunitinib. Other potential roles for this drug in RCC, GIST and other tumor types will be discussed. METHODS: A literature search identified relevant (pre)clinical studies of sunitinib and other relevant agents. RESULTS/CONCLUSIONS: Sunitinib revolutionized the management of advanced RCC and GIST. With the realization that cross-resistance between targeted agents is incomplete, evolving strategies include sequential treatment, concurrent treatment, and biomarker development. Sunitinib also shows promise in several other tumor types that lack therapeutic options. What remains less clear is its role in tumors that are not heavily dependent on a central pathogenetic pathway, especially if effective cytotoxic therapies exist. Future clinical trials will clarify whether there is a role for sunitinib in these tumors, possibly in combination with cytotoxic agents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».