Predictive modeling of therapy induced secondary thyroid malignancies in childhood cancer survivors
Notice bibliographique
Résumé
Surgery, radiation therapy and chemotherapy are the primary modes of therapeutic intervention in current clinical practice. The price often paid for effective treatment is the development of a secondary malignancy several decades after successful treatment of the primary tumor, as a result of the mutagenic effects of the initial cancer treatments on normal cells. In this work, we employ a biologically motivated mathematical model to estimate the radiation and chemotherapy-induced relative risks of thyroid malignancies in four childhood cancer study survivors (CCSS) data sets. A sensitivity analysis is performed on various chemotherapy treatment variables to evaluate their impact on second cancer risks. Furthermore, the predictions of radiation and chemotherapy-induced relative risks of secondary thyroid malignancies using the mathematical model are compared against four clinical datasets from the CCSS cohort. Moreover, the extracted average value of growth rate of premalignant cells is 0.8175 (d−1) and the extracted chemotherapy-induced mutation rate is of the order of 10−10 (per unit of chemotherapeutic dose). In addition, our model predictions of sequential therapy induced carcinogenic risks are in line with the clinical data in secondary thyroid cancers. Our in silico risk predictions can provide insight into the impact of therapy sequencing on secondary cancer risks, while at the same time eliminating the primary tumor. These findings might potentially guide clinicians in developing optimal treatment regimens that minimize secondary cancer risks.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».