MétaCan
Menu
Retour à la cohorte
Enregistrement W2157800450 · doi:10.3389/fonc.2014.00177

Chemotherapy in Metastatic NSCLC – New Regimens (Pemetrexed, Nab-Paclitaxel)

2014· review· en· W2157800450 sur OpenAlexaff
Normand Blais, Vera Hirsh

Notice bibliographique

RevueFrontiers in Oncology · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensRoyal Victoria HospitalRoyal Victoria Regional Health CentreMcGill University Health CentreHôpital Notre-DameUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPemetrexedMedicineOncologyLung cancerChemotherapyInternal medicinePaclitaxelPopulationnon-small cell lung cancer (NSCLC)Cisplatin

Résumé

récupéré en direct d'OpenAlex

Platinum-based chemotherapy doublets have been the standard approach to first-line therapy for more than a decade. Many randomized trials testing new combinations have not been able to produce significant gains in patient outcomes when these studies have looked at an unselected patient population. The recognition of the biologic importance of histology and molecular features of lung cancer has dramatically impacted on patient care, as can be easily recognized by the advent of targeted therapy for molecularly defined lung cancers. Similarly, for lung cancers without recognized driver mutations, subgroup evaluations of trials-based histology has identified that some chemotherapy regimens offer greater benefit in the squamous cell or the non-squamous cell groups. Two such examples are nab-paclitaxel and pemetrexed. These have shown improved anti-tumor activity and a decreased toxicity profile compared to standard combinations. Preferential activity in histologic divided patient subgroups can allow the clinician to personalize his approach to care. The role of these two agents in the management of NSCLC will be described in this article.

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

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 Opus0,037
Tête enseignante GPT0,428
Écart entre enseignants0,391 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207