Cytotoxic agents and radiation therapy: mechanisms of action and clinical applications
Notice bibliographique
Résumé
Abstract Background The combination of radiation therapy and chemotherapy is rooted in its ability to help achieve locoregional and systemic control, therefore increasing the overall disease-free survival of patients. Understanding the mechanistic actions of cytotoxic agents and their targets on the cell cycle, as well as the governing pharmacokinetic principles can improve treatment delivery. The adjuvant treatment setting can overcome barriers such as hypoxia and genetically driven treatment resistance. Purpose The purpose of this review is to present theoretical frameworks behind the chemoradiation paradigm and to describe current chemoradiation practices in radiation oncology. Methodology A review was conducted using the US National Library of Medicine, National Institutes of Health database (PubMed) using the following search keywords: chemoradiation, spatial cooperation, chemotherapeutic agents, pharmacokinetics, anti-vascular agents, tumour vasculature and tumour hypoxia. Results and conclusions Current research has reported several rationales for the beneficial combination of radiation and chemotherapy to eradicate oncological diseases. Mechanisms of action and biological approaches are showing that concurrent treatments, as well as novel agents such as anti-vascular and anti-angiogenic agents may benefit improved treatment outcomes by reducing micro hypoxic environments in tumours. In addition, chemotherapy administered in tandem with radiation enhances cell-killing effects by targeting the cell cycle.
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 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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».