MétaCan
Menu
Retour à la cohorte
Enregistrement W2074635429 · doi:10.1097/cad.0b013e32831fb500

Sorafenib tosylate in advanced kidney cancer: past, present and future

2009· review· en· W2074635429 sur OpenAlexaff
Camillo Porta, Chiara Paglino, Ilaria Imarisio, Elisa Ferraris

Notice bibliographique

RevueAnti-Cancer Drugs · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensUniversity Hospital Foundation
Organismes subventionnairesnon disponible
Mots-clésSorafenibMedicineSunitinibKidney cancerOncologyInternal medicineCancerPharmacologyClinical trialPopulationHepatocellular carcinoma

Résumé

récupéré en direct d'OpenAlex

The objective of this paper was to review the development of sorafenib tosylate in kidney cancer. The MedLine database, the Proceedings of the Annual American Society of Clinical Oncology meeting, as well as those of other key international meetings were extensively searched to identify relevant publications. Furthermore, the authors' direct experience with the drug was taken into account when commenting on the results retrieved. Sorafenib is a multikinase inhibitor that targets VEGF and PDGF receptors, other kinases, as well as the serine-threonine kinase Raf. Following early signs of activity from phase I and II studies, it has been shown to improve survival of pretreated advanced kidney cancer patients within a placebo-controlled, randomized, phase III trial, leading to its approval both in the United States and in Europe. Its activity has been subsequently confirmed in a real-world population by two expanded access programs performed globally, but not in a first-line setting; it also proved to be non-cross-resistant with two other molecularly targeted agents. Finally, its toxicity profile, which is acceptable and highly predictable, makes sorafenib appealing for combination treatments, especially with other molecularly targeted agents. Despite having been already demonstrated to be active in kidney cancer, the exact role of sorafenib in the first-line setting, in patients who have failed other molecularly targeted agents, and especially in combination with other agents, deserves further, prospective, studies.

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 seuil0,008

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
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,027
Tête enseignante GPT0,338
Écart entre enseignants0,311 · 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

Citations23
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnti-Cancer DrugsMême sujetRenal cell carcinoma treatmentTravaux en français237 207