MétaCan
Menu
Retour à la cohorte
Enregistrement W2615526152 · doi:10.1373/clinchem.2016.267849

The Phoenix Rises: The Rebirth of Cancer Immunotherapy

2017· article· en· W2615526152 sur OpenAlexaff
Ivan M. Blasutig, Sofia Farkona, Elizabeth I. Buchbinder, Jason J. Luke, Padmanee Sharma, Mario Sznol

Notice bibliographique

RevueClinical Chemistry · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésPhoenixImmunotherapyCancer immunotherapyCancerMedicineImmunologyOncologyCancer researchInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

The idea that the immune system can control cancer is not new. It was first theorized by Paul Ehrlich in 1909 when he suggested that cancers spontaneously arise at a high frequency in humans but are kept under control by the immune system. Over the course of a century, this idea has moved in and out of favor, and only recently has the true potential of the immune system to treat cancer been realized. Cancer immunotherapy relies on activating an individual's own immune system to eradicate established tumors, and, in contrast to conventional cancer therapies, induces a dynamic response that can result in long-lasting remission. Current immunotherapies against existing cancers include various approaches, ranging from stimulating immune effectors to counteracting immune suppressors. Although there have been patients with certain tumor types that have achieved extraordinary survival benefits, for the majority of cancer patients, immunotherapy remains relatively ineffective. As a result, new therapies and therapeutic regimens that combine various immunological agents are being described and assessed at a breathtaking pace. These new strategies have already been shown to significantly enhance antitumor immunity; however, they can also result in increased immune toxicities. To balance the harms and benefits of these therapies, some critical questions must be addressed, including which therapies or therapeutic combinations provide the most benefit and should continue being studied, and which individuals will benefit from each of these treatments.

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)0,014
score de la tête « metaresearch » (Gemma)0,016
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,012
Communication savante0,0080,018
Science ouverte0,0020,005
Intégrité de la recherche0,0120,031
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,048
Tête enseignante GPT0,418
Écart entre enseignants0,370 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207