MétaCan
Menu
Retour à la cohorte
Enregistrement W2124597710 · doi:10.3410/m3-22

The new face of ovarian cancer modeling: better prospects for detection and treatment

2011· article· en· W2124597710 sur OpenAlexfundno aff
Alison M. Karst, Ronny Drapkin

Notice bibliographique

RevueF1000 Medicine Reports · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueOvarian cancer diagnosis and treatment
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthNational Cancer InstituteOvarian Cancer Research FundMary Kay Foundation
Mots-clésSerous carcinomaFallopian tubeOvarian cancerOvarySerous fluidMedicineStage (stratigraphy)CarcinogenesisDiseaseOvarian carcinomaBioinformaticsEx vivoCancerOncologyCancer researchPathologyBiologyInternal medicineGynecologyIn vivo

Résumé

récupéré en direct d'OpenAlex

Ovarian cancer has a disproportionately high mortality rate because patients typically present with late-stage metastatic disease. The vast majority of these deaths are from high-grade serous carcinoma. Recent studies indicate that many of these tumors arise from the fallopian tube and subsequently metastasize to the ovary. This may explain why such tumors have not been detected at early stage as detection efforts have been focused purely on the ovary. In keeping with this leap in understanding other advances such as the development of ex-vivo models and immortalization of human fallopian tube epithelial cells, and the use of integrated genomic analyses to identify hundreds of novel candidate oncogenes and tumor suppressors potentially involved in tumorigenesis now engender hope that we can begin to truly define the differences in pathogenesis between fallopian tube and ovarian-derived tumors. In doing so, we can hopefully improve early detection, treatment, and outcome.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,636

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 Opus0,051
Tête enseignante GPT0,300
Écart entre enseignants0,250 · 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'étudeAutre devis
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

Citations25
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000 Medicine ReportsMême sujetOvarian cancer diagnosis and treatmentTravaux en français237 207