MétaCan
Menu
Retour à la cohorte
Enregistrement W2762105355 · doi:10.2174/157340561102150624144437

Application of PET to the Diagnosis, Staging, and Treatment of Locally Advanced Non-small Cell Lung Cancer

2015· article· en· W2762105355 sur OpenAlexaff
Fei Li, Mark Landis

Notice bibliographique

RevueCurrent Medical Imaging Formerly Current Medical Imaging Reviews · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerPositron emission tomographyImmunotherapyOncologyDiseaseClinical trialClinical PracticeDrug developmentCancerInternal medicineRadiologyMedical physicsDrugPharmacology

Résumé

récupéré en direct d'OpenAlex

The strength of positron emission tomography (PET) lies in the application of its underlying technological and molecular biology advancements to clinical practice and pharmacological development. Currently, PET is used to identify malignant pulmonary nodules, evaluate mediastinal disease, detect distant metastasis, assess response to therapy, and identify novel oncologic drug targets. Over the last decade, PET has also increasingly influenced the management of locally advanced nonsmall cell lung cancer (NSCLC) by directing chemoradiation and surgical treatment. Although the majority of clinical trials and practice have used 2-18F- fluoro-2-deoxy-D-glucose (FDG) as the radiopharmaceutical agent for evaluating NSCLC, novel radiolabeled tracers, radiopharmaceutical agents, and targeted immunotherapy drugs are actively being investigated to improve the treatment of NSCLC. This review focuses on the utility of PET for diagnosing malignant pulmonary nodules, staging the extent of disease, and evaluating immuno-oncology therapies in locally advanced NSCLC. Keywords: Drug development, immunotherapy, molecular genetics, NSCLC, PET, staging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,393
Écart entre enseignants0,354 · 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 tête enseignante, pas un consensus.

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medical Imaging Formerly Current Medical Imaging ReviewsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207