← Retour à la cohorte
Comprehensive Molecular Characterization of Muscle-Invasive Bladder Cancer
A. Gordon Robertson, Jaegil Kim, Hikmat Al‐Ahmadie, Joaquim Bellmunt, Guangwu Guo, Andrew D. Cherniack, Toshinori Hinoue, Peter W. Laird, Katherine A. Hoadley, Rehan Akbani, Mauro A. A. Castro, Ewan A. Gibb, Rupa S. Kanchi, Dmitry A. Gordenin, Sachet A. Shukla, Francisco Sánchez-Vega, Donna E. Hansel, Bogdan Czerniak, Victor E. Reuter, Xiaoping Su, Benílton de Sá Carvalho, Vinicius S Chagas, Karen Mungall, Sara Sadeghi, Chandra Sekhar Pedamallu, Yiling Lu, Leszek J. Klimczak, Jiexin Zhang, Caleb Choo, Akinyemi I. Ojesina, Susan Bullman, Kristen Leraas, Tara M. Lichtenberg, Catherine J. Wu, N. Schultz, Gad Getz, Matthew Meyerson, Gordon B. Mills, David J. McConkey, Monique Albert, Iakovina Alexopoulou, Adrian Ally, Tatjana Antic, Manju Aron, Miruna Balasundaram, John M.S. Bartlett, Stephen B. Baylin, Allison Beaver, İnanç Birol, Lori Boice, Jay Bowen, Reanne Bowlby, Denise Brooks, Bradley M. Broom, Wiam Bshara, Eric Burks, Flavio Mavignier Cárcano, Rebecca Carlsen, Benilton S. Carvalho, André Lopes Carvalho, Eric Castle, James W.F. Catto, David Chesla, Eric Chuah, Sudha Chudamani, Victoria K. Cortessis, Sandra Cottingham, Daniel Crain, Erin Curley, Siamak Daneshmand, John A. Demchok, Noreen Dhalla, Hooman Djaladat, John Eckman, Sophie Egea, Jay Engel, Ina Felau, Martin L. Ferguson, Johanna Gardner, Julie M. Gastier‐Foster, Mark Gerken, Carmen Gomez‐Fernandez, Jodi Harr, Arndt Hartmann, Lynn M. Herbert, Thai H. Ho, Robert A. Holt, Carolyn M. Hutter, Steven J.M. Jones, Mercè Jordà, Richard J. Kahnoski, Phillip H. Lai, Brian R. Lane, Seth P. Lerner, Jia Liu, Laxmi Lolla, Yair Lotan, Fabiano R. Lucchesi, Yussanne Ma, Roberto Días Machado, Dennis T. Maglinte, David Mallery, Marco A. Marra, Sue Martin, Michael Mayo, Anoop Meraney, Alireza Moinzadeh, Richard A. Moore, Edna M. Mora Pinero, Scott Morris, Quaid Morris, Karen Mungall, Andrew J. Mungall, Jerome Myers, Rashi Naresh, Peter H. O’Donnell, Dipen J. Parekh, Jeremy Parfitt, Joseph Paulauskis, Robert Penny, Todd Pihl, Sima P. Porten, Mario Quintero-Aguilo, Nilsa C. Ramirez, W. Kimryn Rathmell, Kimberly Rieger‐Christ, Charles Saller, Andrew Salner, George E. Sandusky, Cristovam Scapulatempo‐Neto, Jacqueline E. Schein, Anne Schuckman, Nikolaus Schultz, Candace Shelton, Troy Shelton, Jeff Simko, Parminder Singh, Payal Sipahimalani, Norm D. Smith, Heidi J. Sofia, Andrea Sorcini, Melissa Stanton, Gary D. Steinberg, Robert Stoehr, Travis Sullivan, Qiang Sun, Angela Tam, Roy Tarnuzzer, Katherine Tarvin, Helge Täubert, Nina Thiessen, Leigh B. Thorne, Kane Tse, Kelinda Tucker, David Van Den Berg, Kim E. van Kessel, Sven Wach, Yunhu Wan, Zhining Wang, John N. Weinstein, Daniel J. Weisenberger, Lisa Wise, Tina Wong, Ye Wu, Liming Yang, Leigh Anne Zach, Jean C. Zenklusen, Jiashan Zhang, Erik Zmuda, Ellen C. Zwarthoff
Notice bibliographique
RevueCell · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBladder and Urothelial Cancer Treatments
Établissements canadiensCanada's Michael Smith Genome Sciences CentreBC Cancer Agency
Organismes subventionnairesNational Cancer InstituteUniversidade Estadual de CampinasPró-Reitoria de Pesquisa, Universidade Federal do Rio Grande do SulConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorBaylor College of MedicineLeukemia and Lymphoma SocietyU.S. Department of DefenseNational Center for Advancing Translational SciencesNational Human Genome Research InstituteMichael and Susan Dell FoundationAstraZenecaFundo de Apoio ao Ensino, à Pesquisa e Extensão, Universidade Estadual de CampinasMary K. Chapman FoundationNational Institutes of HealthU.S. Department of Health and Human Services
Mots-clésBiologyBladder cancerCancerComputational biologyCancer researchGenetics
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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.
Tête enseignante Opus0,025
Tête enseignante GPT0,293
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations2 495
Publié2017
Routes d'admission1
Résumé présentnon