Emerging Medical Treatments for Meningioma in the Molecular Era
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Meningiomas are the most common type of primary central nervous system tumors. Approximately, 80% of meningiomas are classified by the World Health Organization (WHO) as grade I, and 20% of these tumors are grade II and III, considered high-grade meningiomas (HGMs). Clinical control of HGMs, as well as meningiomas that relapse after surgery, and radiation therapy is difficult, and novel therapeutic approaches are necessary. However, traditional chemotherapies, interferons, hormonal therapies, and other targeted therapies have so far failed to provide clinical benefit. During the last several years, next generation sequencing has dissected the genetic heterogeneity of meningioma and enriched our knowledge about distinct oncogenic pathways driving different subtypes of meningiomas, opening up a door to new personalized targeted therapies. Molecular classification of meningioma allows a new design of clinical trials that assign patients to corresponding targeted agents based on the tumor genetic subtypes. In this review, we will shed light on emerging medical treatments of meningiomas with a particular focus on the new targets identified with genomic sequencing that have led to clinical trials testing novel compounds. Moreover, we present recent development of patient-derived preclinical models that provide platforms for assessing targeted therapies as well as strategies with novel mechanism of action such as oncolytic viruses.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle