Advances in malignant glioma drug discovery
Notice bibliographique
Résumé
INTRODUCTION: Outcome for patients with glioblastoma (GBM), the most common malignant primary brain tumor among adults, remains poor. However, two key treatment options have recently generated meaningful improvements in outcome for GBM patients. The addition of temozolomide (a methylating chemotherapeutic agent) to surgical resection and radiation therapy increases survival and is the first evidence that systemic chemotherapy can benefit GBM patients. Also, bevacizumab (a humanized mAb against VEGF) has significant antitumor activity among recurrent GBM patients. Additional areas of ongoing research are generating more therapeutic options that offer exciting potential to build on these results and further improve the outcome for malignant glioma patients. AREAS COVERED: This review describes three foci of advanced clinical research aimed at improving the outcome of GBM patients: protracted temozolomide dosing, VEGF-inhibiting agents and integrin inhibitors. This review also discusses potential clinical trial strategies to evaluate irreversible EGFR inhibitors as well as therapeutics targeting PI3K and the hedgehog signaling pathway. EXPERT OPINION: Several factors limit the efficacy of therapeutics targeting GBM. However, significant advances from basic science laboratories have recently generated important insights into the pathophysiology and molecular genetic abnormalities of these tumors. Efforts to translate these findings into innovative treatment strategies offer substantial promise to overcome therapeutic hurdles and treat individual patients more effectively. Improved understanding of malignant glioma biology and factors associated with treatment response will probably lead to improved therapeutic options and a better patient outcome.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».