MétaCan
Menu
Retour à la cohorte
Enregistrement W2116720928 · doi:10.1016/j.lungcan.2013.07.025

Genetic alterations defining NSCLC subtypes and their therapeutic implications

2013· review· en· W2116720928 sur OpenAlexafffund
Larissa A. Pikor, Varune Rohan Ramnarine, Stephen Lam, Wan L. Lam

Notice bibliographique

RevueLung Cancer · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensCanadian Centre for Applied Research in Cancer ControlBC Cancer Agency
Organismes subventionnairesCongressionally Directed Medical Research ProgramsNational Cancer InstituteCanadian Institutes of Health ResearchCanary FoundationU.S. Department of Defense
Mots-clésLung cancerMedicineDiseaseCancerAdenocarcinomaOncologyBioinformaticsCancer researchInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Lung cancer is the leading cause of cancer death worldwide, accounting for more deaths than breast, prostate and colon cancer combined. While treatment decisions are determined primarily by stage, therapeutically non small cell lung cancer (NSCLC) has traditionally been treated as a single disease. However, recent findings have led to the recognition of histology and molecular subtypes as important determinants in treatment selection. Identifying the genetic differences that define these molecular and histological subtypes has the potential to impact treatment and as such is currently the focus of much research. Microarray and genomic sequencing efforts have provided unparalleled insight into the genomes of lung cancer subtypes, specifically adenocarcinoma (AC) and squamous cell carcinoma (SqCC), revealing subtype specific genomic alterations and molecular subtypes as well as differences in cell signaling pathways. In this review, we discuss the recurrent genomic alterations characteristic of AC and SqCC (including molecular subtypes), their therapeutic implications and emerging clinical practices aimed at tailoring treatments based on a tumor's molecular alterations with the hope of improving patient response and survival.

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)0,000
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
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)0,0030,001

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 Opus0,038
Tête enseignante GPT0,393
Écart entre enseignants0,355 · 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

Citations375
Publié2013
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueLung CancerMême sujetLung Cancer Treatments and MutationsTravaux en français237 207