MétaCan
Menu
Retour à la cohorte
Enregistrement W2113788299 · doi:10.1093/neuonc/not229

Where are we now? And where are we going? A report from the Accelerate Brain Cancer Cure (ABC2) Low-grade Glioma Research Workshop

2013· review· en· W2113788299 sur OpenAlexaff
Jason T. Huse, M. Z. Wallace, Kenneth Aldape, Mitchel S. Berger, Chetan Bettegowda, Daniel J. Brat, Daniel P. Cahill, Timothy F. Cloughesy, Daphne A. Haas‐Kogan, Marco A. Marra, C. Ryan Miller, Sarah J. Nelson, Sofie R. Salama, Riccardo Soffietti, Patrick Y. Wen, Stephen Yip, Katharine Yen, J Costello, Susan M. Chang

Notice bibliographique

RevueNeuro-Oncology · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGliomaGlioblastomaEpigenomicsClinical trialMedicineBrain cancerOncologyCancerMedical physicsInternal medicinePsychologyBiologyCancer researchDNA methylation

Résumé

récupéré en direct d'OpenAlex

Diffuse gliomas consist of both low- and high-grade varieties, each with distinct morphological and biological features. The often extended periods of relative indolence exhibited by low-grade gliomas (LGG; WHO grade II) differ sharply from the aggressive, rapidly fatal clinical course of primary glioblastoma (GBM; WHO grade IV). Nevertheless, until recently, the molecular foundations underlying this stark biological contrast between glioma variants remained largely unknown. The discoveries of distinctive and highly recurrent genomic and epigenomic abnormalities in LGG have both informed a more accurate classification scheme and pointed to viable avenues for therapeutic development. As such, the field of neuro-oncology now seems poised to capitalize on these gains to achieve significant benefit for LGG patients. This report will briefly recount the proceedings of a workshop held in January 2013 and hosted by Accelerate Brain Cancer Cure (ABC(2)) on the subject of LGG. While much of the meeting covered recent insights into LGG biology, its focus remained on how best to advance the clinical management, whether by improved preclinical modeling, more effective targeted therapeutics and clinical trial design, or innovative imaging technology.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,157
Tête enseignante GPT0,435
Écart entre enseignants0,279 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations30
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207