PSMA diagnostics and treatments of prostate cancer become mature
Notice bibliographique
Résumé
Prostate cancer is the second leading cause of cancer death for men in many parts of the world. Radical prostatectomy (RP) and external beam radiotherapy (EBRT) are effective treatment of localized prostate cancer but many patients recur with raising levels of prostate-specific antigen (PSA). Localized salvage therapies for suspected local failure such as salvage EBRT after RP are most effective during early PSA recurrence. In a Danish national cohort study, salvage EBRT for patients with PSA recurrence after RP undertaken without restaging imaging was effective for approximately half of the patients [1]. Improving on these results requires identification of men with truly localized or oligometastatic recurrence. However, restaging with conventional imaging such as CT and bone scans has limitations. For example, among patients with PSA recurrence after RP, those with a rising PSA < 10 µg/L rarely have positive bone scans. This is problematic because guidelines recommend that patients with PSA recurrence after RP should undergo salvage radiotherapy, while PSA is < 0.5 µg/L [2]. Thus, bone scans cannot guide salvage treatment for most patients with early-phase PSA recurrence after RP. Prostate membrane antigen (PSMA) is highly expressed in poorly differentiated, metastatic, and castration-resistant prostate cancer. In recent years, there has been enormous progress in the use of PSMA for diagnostics and for treatment with the annual number of pubmed hits for the search words “PSMA” and “prostate cancer” increasing nearly five fold over the last 5 years (from 132 to 630). The challenging question is whether PSMA used for diagnostics and treatment of prostate cancer can postpone progression to death and reduce mortality.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».