Monoclonal Antibodies and Other Targeted Therapies for Pancreatic Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pancreatic cancer continues to be a challenging disease to treat because of its aggressive nature, advanced stage at the time of diagnosis, and limited treatment options that are available. Traditional cytotoxic chemotherapy provides modest benefit to patients with pancreatic adenocarcinoma. Recently, a FOLFIRINOX regimen revealed improved response in overall and progression-free survival over single-agent gemcitabine in metastatic pancreatic cancer, but there is still much needed advancement in the systemic treatment of pancreatic cancer. There is a growing interest in the development of novel agents, while our understanding of molecular pathogenesis of pancreatic adenocarcinoma continues to expand. With identification of various molecular pathways in pancreatic cancer tumorigenesis, potential targets for drug development have been pursued with the use of monoclonal antibodies and small-molecule inhibitors. Although preclinical studies with multiple targeted therapies demonstrated encouraging results in pancreatic cancer, only erlotinib, an epidermal growth factor receptor inhibitor, showed a marginal survival benefit in a phase III clinical trial, when combined with gemcitabine. As further signaling pathways and their importance in pancreatic cancer tumorigenesis are better understood, further clinical trials will need to be designed to study these targeted agents as single agents, in combination with other novel agents or in combination with cytotoxic chemotherapy. In this review, we present the current knowledge on targeted therapy in pancreatic adenocarcinoma and its application in clinical practice.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle