MétaCan
Menu
Retour à la cohorte
Enregistrement W2913763056 · doi:10.1007/s11899-019-0498-6

Industry’s Giant Leap Into Cellular Therapy: Catalyzing Chimeric Antigen Receptor T Cell (CAR-T) Immunotherapy

2019· review· en· W2913763056 sur OpenAlexaboutno aff
Stacie Ittershagen, Solveig G. Ericson, Lamis Eldjerou, Ali Shojaee, Eric Bleickardt, Manisha Patel, Tetiana Taran, Oezlem Anak, Charlene Hall, Mimi Leung, Deborah Roccoberton, Florence Salmon, Miriam Fuchs, Vadim Romanov, David Lebwohl

Notice bibliographique

RevueCurrent Hematologic Malignancy Reports · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensnon disponible
Organismes subventionnairesNIH Clinical CenterNovartis Pharmaceuticals CorporationUniversity of Pennsylvania
Mots-clésChimeric antigen receptorMedicineImmunotherapyHematologyCytokine release syndromeInternal medicineClinical trialOncologyCancer

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: We describe the significant technological leap from bench to bedside that was achieved through a strong academic-industry collaboration between dedicated clinicians and researchers at the University of Pennsylvania, the Children's Hospital of Philadelphia, and Novartis to commercialize the chimeric antigen receptor T cell (CAR-T) therapy tisagenlecleucel (CTL019; Kymriah®; Novartis Pharma AG, Basel, Switzerland). RECENT FINDINGS: Tisagenlecleucel was the first CAR-T therapy and the first gene therapy to receive US Food and Drug Administration approval in 2017, with an initial indication for pediatric and young adult patients with relapsed or refractory (r/r) acute lymphoblastic leukemia, followed by approval in May 2018 for a second indication in adult patients with r/r diffuse large B cell lymphoma. Subsequent approvals in the European Union, Switzerland, and Canada soon followed. The tisagenlecleucel success story represents the development and commercialization of a first-of-its-kind personalized cellular therapy with a manufacturing process that supports commercial production and ongoing global clinical trials in a growing number of countries.

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 enseignants0,004
Score d'incertitude au seuil0,012

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
Bibliométrie0,0020,002
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)0,0040,002

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 Opus0,098
Tête enseignante GPT0,376
Écart entre enseignants0,278 · 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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Hematologic Malignancy ReportsMême sujetCAR-T cell therapy researchTravaux en français237 207