MétaCan
Menu
Retour à la cohorte
Enregistrement W2792140301 · doi:10.6000/1929-2279.2018.07.01.2

Analysis of Kinetics and Efficacy of Anti-Cancer via Oxygen-Enhanced Photodynamic Therapy

2018· article· en· W2792140301 sur OpenAlexvenueno aff
Jui‐Teng Lin, Kuo‐Ti Chen, Hsia‐Wei Liu

Notice bibliographique

RevueJournal of cancer research updates · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotodynamic therapyKineticsOxygenChemistryCancer therapyCancer treatmentReciprocity (cultural anthropology)Intensity (physics)PhotosensitizerPhotochemistryCancerMedicineInternal medicineOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Photodynamic therapy (PDT has been widely used in many medical applications. PDT for anti-cancer is one of the clinically important subjects. This study will analyze the photochemical kinetics and the efficacy of anti-cancer via the critical factors including: the concentrations of photosensitizers and oxygen in the treated target, the exposure time, intensity and does (energy) of the light applied to the target. To achieve high efficacy, one requires the oxygen source term to re-supply the depletion of oxygen and photosensitizers. Higher light intensity has faster rising curve of the efficacy, but it reaches the same steady-state value as that of low intensity. The efficacy follows the Bunsen-Roscoe law (BRL) of reciprocity only when there is no oxygen source term. Higher initial concentration of oxygen and photosensitizers, C0, always provide higher efficacy. To achieve the same efficacy, minimum dose and/or less exposure time for accelerated procedure may be achieved by using a higher intensity (but same dose) for the case of P=0. However, with P>0, higher intensity requires a higher fluence to achieve the same efficacy and it does not follow the BRL reciprocity law.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,021
Score d'incertitude au seuil0,560

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,349
Écart entre enseignants0,324 · 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.

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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of cancer research updatesMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207