MétaCan
Menu
← Retour à la cohorte
Enregistrement W2563394375 · doi:10.3747/co.23.3405

Emerging Therapies for the Treatment of Relapsed or Refractory Follicular Lymphoma

2016· review· en· W2563394375 sur OpenAlexaffvenueabout
David MacDonald, Anca Prica, Sarit Assouline, Anna Christofides, T. Lawrence, Laurie H. Sehn

Notice bibliographique

RevueCurrent Oncology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueLymphoma Diagnosis and Treatment
Établissements canadiensUniversity of British ColumbiaRoche (Canada)ImpactMcGill UniversityJewish General HospitalDalhousie UniversityUniversity of TorontoFluidigm (Canada)Queen Elizabeth II Health Sciences CentreBC Cancer AgencyPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineRefractory (planetary science)Follicular lymphomaLymphomaOncologyCancer researchBioinformaticsInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

With no treatment standard having been established for relapsed and refractory follicular lymphoma, a number of therapeutic approaches are used in Canada. In patients who relapse early or who eventually become resistant to subsequent treatment, prognosis is poor, and new approaches are needed. A number of novel therapies are being examined in this setting, including monoclonal antibodies, immunoconjugates, immunomodulatory agents, and signal transduction inhibitors. With the body of evidence for those emerging therapies accumulating and the standard upfront treatment changing from rituximab and chop (cyclophosphamide-doxorubicin-vincristine-prednisone) or rituximab and cvp (cyclophosphamide-vincristine-prednisone) to bendamustine and rituximab, treatment decisions in the relapsed and refractory setting have become more complex. The choice of subsequent treatment must consider type of upfront treatment; duration of remission; and patient-related factors such as age, comorbidities, and treatment preferences. This paper summarizes the evidence for novel therapies and proposes recommendations for subsequent treatment options by remission duration after induction and maintenance.

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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,180
Tête enseignante GPT0,462
Écart entre enseignants0,281 · 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

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetLymphoma Diagnosis and Treatment→Travaux en français237 207→