MétaCan
Menu
Retour à la cohorte
Enregistrement W2108932832 · doi:10.1093/annonc/mdp253

Immunotherapy of distant metastatic disease

2009· review· en· W2108932832 sur OpenAlexaff
Dirk Schadendorf, Lars Bastholt, Gabriela Cinat, Brigitte Dréno, Alexander M.M. Eggermont, Enrique Espinosa, Jun Guo, A. Hauschild, Teresa M. Petrella, Jacob Schachter, Peter Hersey

Notice bibliographique

RevueAnnals of Oncology · 2009
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensSunnybrook Health Science CentreHotel Dieu Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineImmunotherapyMelanomaCD137ImmunologyMetastatic melanomaMonoclonal antibodyChimeric antigen receptorClinical trialAntigenAdoptive cell transferOncologyT cellCancer researchInternal medicineAntibodyImmune system

Résumé

récupéré en direct d'OpenAlex

Immunotherapy of metastatic melanoma consists of various approaches leading to specific or non-specific immunomodulation. The use of FDA-approved interleukin (IL)-2 alone, in combination with interferon alpha, and/or with various chemotherapeutic agents (biochemotherapy) is associated with significant toxicity and poor efficacy that does not improve overall survival of 96% of patients. Many studies with allogeneic and autologous vaccines have demonstrated no clinical benefit, and some randomised trials even showed a detrimental effect in the vaccine arm. The ongoing effort to develop melanoma vaccines based on dendritic cells and peptides is driven by advances in understanding antigen presentation and processing, and by new techniques of vaccine preparation, stabilisation and delivery. Several agents that have shown promising activity in metastatic melanoma including IL-21 and monoclonal antibodies targeting cytotoxic T lymphocyte-associated antigen 4 (anti-CTLA-4) or CD137 are discussed. Recent advances of intratumour gene transfer technologies and adoptive immunotherapy, which represents a promising although technically challenging direction, are also discussed.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,119
Tête enseignante GPT0,421
Écart entre enseignants0,302 · 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

Citations57
Publié2009
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAnnals of OncologyMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207