MétaCan
Menu
Retour à la cohorte
Enregistrement W2066697593 · doi:10.1158/0008-5472.can-07-0905

Antiangiogenic Strategies on Defense: On the Possibility of Blocking Rebounds by the Tumor Vasculature after Chemotherapy

2007· review· en· W2066697593 sur OpenAlexaff
Yuval Shaked, Robert S. Kerbel

Notice bibliographique

RevueCancer Research · 2007
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAngiogenesis and VEGF in Cancer
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésHoming (biology)Cytotoxic T cellBone marrowCancer researchChemotherapyMedicineAngiogenesisNeovascularizationImmunologyBiologyInternal medicineIn vitro

Résumé

récupéré en direct d'OpenAlex

Rapid or accelerated tumor cell repopulation after significant tumor cell killing induced by various cytotoxic agents often compromises the expected therapeutic benefit of such tumor responses. Here, we discuss the concept that tumor cell repopulation after certain cytotoxic therapies, using vascular disrupting agents as an example, may be aided by a reactive, systemic host response involving the mobilization of bone marrow-derived circulating cells, including endothelial progenitor cells, which subsequently home to the vasculature of treated tumors and promote tumor neovascularization. These vasculogenic "rebounds" can be blocked, at least in some cases, by treatment with an antiangiogenic drug. There is limited preliminary evidence that maximum tolerated dose chemotherapy causes a similar effect. This could constitute one way by which antiangiogenic therapy could increase the efficacy of conventional cytotoxic chemotherapy regimens; it also raises the specter of new molecular targets for systemic cancer therapies which are involved in therapy-induced bone marrow-derived cell mobilization, homing to tumors, and tumor retention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,093
Tête enseignante GPT0,438
Écart entre enseignants0,344 · 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 source (Gemma direct ou Codex distillé), 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
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

Citations111
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetAngiogenesis and VEGF in CancerTravaux en français237 207