MétaCan
Menu
Retour à la cohorte
Enregistrement W2151119213 · doi:10.1158/1078-0432.ccr-07-1223

Pretargeted Radioimmunotherapy for B-Cell Lymphomas

2007· review· en· W2151119213 sur OpenAlexaff
Damian J. Green, John M. Pagel, Anastasia Pantelias, Nathan Hedin, Yukang Lin, D. Scott Wilbur, Ajay K. Gopal, Donald K. Hamlin, Oliver W. Press

Notice bibliographique

RevueClinical Cancer Research · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueRadiopharmaceutical Chemistry and Applications
Établissements canadiensImmunovaccine (Canada)
Organismes subventionnairesNational Cancer InstituteU.S. Public Health Service
Mots-clésRadioimmunotherapyMedicineLymphomaMonoclonal antibodyPretargetingCancer researchOncologyRefractory (planetary science)Internal medicineImmunologyAntibodyBiology

Résumé

récupéré en direct d'OpenAlex

Relapsed or treatment refractory B-cell lymphomas are currently incurable with conventional chemotherapy and radiation treatments. High-dose chemoradiotherapy and stem cell transplantation can cure some patients with relapsed or refractory lymphoma, but the majority of such patients die of progressive disease. We have investigated the potential utility of pretargeted radioimmunotherapy using monoclonal antibody-streptavidin, immunoconjugates, and fusion proteins in combination with N-acetylgalactosamine dendrimeric clearing agent and radiometal-labeled 1,4,7,10-tetraazacyclododecane-N,N',N'',N'''-tetraacetic acid biotin for treatment of lymphomas using mouse and primate models. We have targeted a variety of cell surface antigens, including CD20, CD22, CD45, and HLA-DR, using conventional and pretargeted radioimmunotherapy. These studies showed the marked superiority of pretargeted radioimmunotherapy for each of the antigenic targets in terms of superior biodistributions, more complete tumor regressions, and longer survival. We are optimistic that this novel approach will provide a meaningful prolongation of survival for patients with relapsed or refractory lymphomas.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,973
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,777
Tête enseignante GPT0,728
Écart entre enseignants0,049 · 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.

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

Citations34
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetRadiopharmaceutical Chemistry and ApplicationsTravaux en français237 207