MétaCan
Menu
Retour à la cohorte
Enregistrement W2808553117 · doi:10.3747/co.25.3761

Circulating Tumour DNA in EGFR-Mutant Non-Small-Cell Lung Cancer

2018· review· en· W2808553117 sur OpenAlexaffvenue
Michael Cabanero, Ming‐Sound Tsao

Notice bibliographique

RevueCurrent Oncology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesPeking UniversityPeking University People's HospitalNational Natural Science Foundation of China
Mots-clésT790MMedicineLung cancerDigital polymerase chain reactionLiquid biopsyMutationCancer researchTumour heterogeneityCirculating tumor DNACancerTargeted therapyCell-free fetal DNACOLD-PCRComputational biologyBioinformaticsOncologyEpidermal growth factor receptorGeneInternal medicineBiologyPolymerase chain reactionPoint mutationGenetics

Résumé

récupéré en direct d'OpenAlex

The advent of targeted therapy in non-small-cell lung cancer (NSCLC) has made the routine molecular diagnosis of EGFR mutations crucial for optimal patient management. Obtaining tumour tissue for biomarker testing, especially in the setting of re-biopsy, can present many challenges. A potential alternative source of tumour dna is circulating cell-free tumour-derived DNA (CTDNA). Although CTDNA is present in low quantities in plasma, the convenience of sample acquisition and the increasing reliability of detection methods make this approach a promising one. The various performance characteristics of both digital and nondigital platforms are still variable, and a standardized approach is needed that will make those platforms reliable clinical tools for the detection of EGFR sensitizing mutations and resistance mutations, including the T790M resistance mutation. Information derived from ctdna can be used to assess tumour burden, to identify genomic-based resistance mechanisms, and to track dynamic changes during therapy.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,078
Tête enseignante GPT0,402
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.

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

Citations39
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207