Radiation-Induced Fibrosis: Mechanisms and Opportunities to Mitigate. Report of an NCI Workshop, September 19, 2016.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle