MétaCan
Menu
Retour à la cohorte
Enregistrement W2747143180 · doi:10.13034/jsst.v10i1.116

Revolutionizing Cancer Therapeutics: Molecular Pathways and Techniques in Cancer Immunotherapy

2017· article· en· W2747143180 sur OpenAlexvenueno aff
Bea Co

Notice bibliographique

RevueJournal of Student Science and Technology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmunotherapyCancer immunotherapyCancerMedicineCancer cellCancer treatmentCancer researchImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Contrary to conventional cancer therapies, immunotherapy manipulates an individual’s body cells to fight cancer, enhancing the active and dynamic immune interactions between the tumour and host. Cancer immunotherapy provides evidence of success through a variety of treatment approaches. Utilizing T-cells and antibodies, immunotherapy strategies such as T-cell engaging bodies, checkpoint inhibitors and engineered T-cells have significantly increased the chance of survival for many cancer patients. The combinations of these immunotherapies have also granted greater success in the elimination of tumour cells. Immunotherapy breakthroughs have the potential to have a lasting impact on cancer treatment. This literature review sheds light on the importance in further research for cancer immunotherapy and a glimpse at all of its powerful results. Contrairement aux méthodes conventionnelles de traitement anti-cancereux, l’immunothérapie manipule les cellules somatiques d’un patient pour battre contre le cancer, améliorant les interactions immunitaires actives et dynamiques entre la tumeur et l’hôte. Par une variété de méthodes de traitement, il y a une abondance de preuve qui montre le succès exceptionnel dans l’utilisation de l’immunothérapie contre le cancer. Les stratégies immunothérapeutiques, par exemple l’utilisation des anticorps bispécifiques qui engagent les cellules T, des inhibiteurs de checkpoint et les cellules T ingénierées, ont augmenté considérablement la chance de survie pour beaucoup de patients frappés par le cancer. Les combinaisons de ces immunothérapies ont aussi permis des grands succès avec l’élimination des cellules cancéreux. L’immunothérapie a mené à des nombreuses percées qui vont avoir un impact durable sur le traitement de cancer. Elle fournit continuellement des nouvelles découvertes qui ont déjà commencées de révolutionner les thérapies de cancer. Cette revue littéraire éclaircit l’importance de la continuation des recherches concernant l’immunothérapie pout le cancer et donne aussi un aperçu de tous ses résultats puissants.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,049
Tête enseignante GPT0,406
Écart entre enseignants0,356 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Student Science and TechnologyMême sujetCAR-T cell therapy researchTravaux en français237 207