MétaCan
Menu
Retour à la cohorte
Enregistrement W2088710403 · doi:10.3747/co.v17is1.614

KRAS Mutation Testing in the Treatment of Metastatic Colorectal Cancer with Anti-EGFR Therapies

2010· article· en· W2088710403 sur OpenAlexaffvenue
Denis Soulières, Wenda Greer, Anthony M. Magliocco, David G. Huntsman, Sean Young, Ming‐Sound Tsao, Suzanne Kamel‐Reid

Notice bibliographique

RevueCurrent Oncology · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Treatments and Studies
Établissements canadiensBC Cancer AgencyUniversity of CalgaryDalhousie UniversityUniversity Health NetworkCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésPanitumumabCetuximabKRASMedicineColorectal cancerOncologyEpidermal growth factor receptorInternal medicineTargeted therapyEGFR inhibitorsCancer

Résumé

récupéré en direct d'OpenAlex

Survival of patients with metastatic CRC (mCRC) has improved steadily over the past several decades, due largely to the development of new combinations of standard chemotherapy, as well as to the introduction of new targeted therapies. Among the available targeted therapies are two monoclonal antibodies that target the epidermal growth factor receptor (EGFR) - cetuximab and panitumumab - which have demonstrated efficacy in the treatment of mCRC. These therapies are associated with a unique set of toxicities and costs, prompting the need for tools to select patients who are most likely to derive a benefit from them. Mutations in the KRAS oncogene have consistently been shown to predict non-response to cetuximab and panitumumab. The role of KRAS as a marker of efficacy of anti-EGFR therapies is reviewed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,422
Écart entre enseignants0,309 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetColorectal Cancer Treatments and StudiesTravaux en français237 207