MétaCan
Menu
Retour à la cohorte
Enregistrement W2071543540 · doi:10.1615/critrevoncog.2013010597

Immunosenescence and Cancer

2013· review· en· W2071543540 sur OpenAlexafffund
Tamàs Fülöp, Anis Larbi, Jacek M. Witkowski, Rami Kotb, Katsuiku Hirokawa, Graham Pawelec

Notice bibliographique

RevueCritical Reviews™ in Oncogenesis · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of British ColumbiaBC Cancer AgencyUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésImmunosenescenceImmune systemCancerContext (archaeology)ImmunologyAcquired immune systemBiologyInflammationTumor microenvironmentCancer researchMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

The immune system, interacting intimately with the cancer cells in a tumor, may combat or favor cancer development and progression, or both. One of the most important risk factors for solid cancers is age. With increasing age, numerous alterations at multiple levels including molecular, cellular, organ, and systemic are occurring. With age many physiological systems are changing, including the immune system. Several alterations occur in both arms of the immune system with aging. Although the innate immune system shows changes with aging, the most important alterations occur in the adaptive immune system, especially involving T cells. Many changes in the immune system may decrease its capacity to combat the emerging or progressing tumor. Further, the age-related immune changes may favor the cancer development. The most important changes which may decrease the immune response efficiency are the changes in T cell functions and phenotypes, concomitant with the presence of a low-grade inflammation. A consensus is now emerging in oncology that not only the cancer cells themselves should be studied but also their macro- and microenvironments. In this context, the study of the interrelation of the immune response and the tumor at various stages is essential to enhance our capacity for intervention in elderly cancer patients.

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)0,000
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,122
Tête enseignante GPT0,453
Écart entre enseignants0,332 · 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

Citations96
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Reviews™ in OncogenesisMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207