MétaCan
Menu
Retour à la cohorte
Enregistrement W2148456219 · doi:10.1586/14737140.8.6.907

Immunotherapy for renal cell cancer in the era of targeted therapy

2008· review· en· W2148456219 sur OpenAlexaff
Chris Coppin

Notice bibliographique

RevueExpert Review of Anticancer Therapy · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineImmunotherapyDebulkingIngenuityAdjuvantTargeted therapyCancerOncologyAdjuvant therapyOncolytic virusImmune systemInternal medicineKidney cancerNephrectomyIntensive care medicineOvarian cancerImmunologyKidney

Résumé

récupéré en direct d'OpenAlex

Until recently, cytokine therapy has been the only validated option for patients with advanced renal cancer. IFN-alpha is one of very few treatments that have demonstrated improved median survival compared with the appropriate control. In patients with synchronous metastases at diagnosis, debulking nephrectomy prior to interferon, further improves overall survival. High-dose IL-2 appears to be able to cure a small percentage of highly selected patients. There is potential to further improve patient selection for these options. The demonstrated value of cytokines should not be overlooked in the rush to use new drugs. In the adjuvant setting, vaccine therapy has provided the only systemic approach that has any promise. New insights into the complexities of the immune system at the molecular level, as well as the ingenuity and enthusiasm of immunotherapists, will undoubtedly lead to continuing attempts to identify and overcome obstacles to achieve the grail of human tumor rejection in clinical practice. Targets within the immune regulatory system and the use of vaccines as targeting agents may bring together the fields of immunotherapy and targeted therapy in the near future.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,061
Tête enseignante GPT0,393
Écart entre enseignants0,332 · 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

Citations30
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Anticancer TherapyMême sujetRenal cell carcinoma treatmentTravaux en français237 207