Radiation-Induced Fibrosis: Mechanisms and Opportunities to Mitigate. Report of an NCI Workshop, September 19, 2016.
Notice bibliographique
Résumé
A workshop entitled "Radiation-Induced Fibrosis: Mechanisms and Opportunities to Mitigate" (held in Rockville, MD, September 19, 2016) was organized by the Radiation Research Program and Radiation Oncology Branch of the Center for Cancer Research (CCR) of the National Cancer Institute (NCI), to identify critical research areas and directions that will advance the understanding of radiation-induced fibrosis (RIF) and accelerate the development of strategies to mitigate or treat it. Experts in radiation biology, radiation oncology and related fields met to identify and prioritize the key areas for future research and clinical translation. The consensus was that several known and newly identified targets can prevent or mitigate RIF in pre-clinical models. Further, basic and translational research and focused clinical trials are needed to identify optimal agents and strategies for therapeutic use. It was felt that optimally designed preclinical models are needed to better study biomarkers that predict for development of RIF, as well as to understand when effective therapies need to be initiated in relationship to manifestation of injury. Integrating appropriate endpoints and defining efficacy in clinical trials testing treatment of RIF were felt to be critical to demonstrating efficacy. The objective of this meeting report is to (a) highlight the significance of RIF in a global context, (b) summarize recent advances in our understanding of mechanisms of RIF,
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».