MétaCan
Menu
Retour à la cohorte
Enregistrement W2888879984 · doi:10.1080/2162402x.2018.1503032

Trial Watch: Oncolytic viro-immunotherapy of hematologic and solid tumors

2018· review· en· W2888879984 sur OpenAlexaff
Jonathan Pol, Sarah Lévesque, Samuel T. Workenhe, Shashi Gujar, Fabrice Le Bœuf, Derek R. Clements, Jean‐Eudes Fahrner, Laetitia Fend, John C. Bell, Karen Mossman, Jitka Fučíková, Radek Špíšek, Laurence Zitvogel, Guido Kroemer, Lorenzo Galluzzi

Notice bibliographique

RevueOncoImmunology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensOttawa HospitalUniversity of OttawaIzaak Walton Killam Health CentreDalhousie UniversityMcMaster University
Organismes subventionnairesLabex Immuno-OncologyWeill Cornell Medical CollegeInstitut National Du CancerInstitut Universitaire de FranceLigue Contre le CancerFondation pour la Recherche MédicaleAgence Nationale de la RechercheE-RareAssociation pour la Recherche sur le CancerSeerave FoundationFondation LeducqEuropean Commission
Mots-clésOncolytic virusVirotherapyMedicineImmunotherapyClinical trialHerpes simplex virusFood and drug administrationMelanomaCancerCancer immunotherapyCancer researchImmune systemVirusImmunologyVirologyInternal medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

Oncolytic viruses selectively target and kill cancer cells in an immunogenic fashion, thus supporting the establishment of therapeutically relevant tumor-specific immune responses. In 2015, the US Food and Drug Administration (FDA) approved the oncolytic herpes simplex virus T-VEC for use in advanced melanoma patients. Since then, a plethora of trials has been initiated to assess the safety and efficacy of multiple oncolytic viruses in patients affected with various malignancies. Here, we summarize recent preclinical and clinical progress in the field of oncolytic virotherapy.

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 machine sur la base complète

Imitation des enseignants

Ni 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,054
Tête enseignante GPT0,386
Écart entre enseignants0,332 · 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 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'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

Citations78
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOncoImmunologyMême sujetVirus-based gene therapy researchTravaux en français237 207