Current Landscape of Immunotherapy in Breast Cancer
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
IMPORTANCE: There is tremendous interest in using immunotherapy to treat breast cancer, as evidenced by the more than 290 clinical trials ongoing at the time of this narrative review. The objective of this review is to describe the current status of immunotherapy in breast cancer, highlighting its potential in both early-stage and metastatic disease. OBSERVATIONS: After searching ClinicalTrials.gov on April 24, 2018, and PubMed up to June 30, 2018, to identify breast cancer immunotherapy trials, we found that immune checkpoint blockade (ICB) is the most investigated form of immunotherapy in breast cancer. Use of ICB as monotherapy has achieved objective responses in patients with breast cancer, with higher rates seen when administered in earlier lines of therapy. For responding patients, those responses are durable. More recent data suggest clinical efficacy when ICB is given in combination with chemotherapy. Ongoing studies are evaluating combination strategies pairing ICB with additional chemotherapeutic agents, targeted therapy, vaccines, and local ablative therapies to enhance response. To date, robust predictive biomarkers for response to ICB have not been established. CONCLUSIONS AND RELEVANCE: It is anticipated that combination therapy strategies will be the way forward for immunotherapy in breast cancer, with an improved understanding of tumor, microenvironment, and host factors informing treatment combination decisions. Thoughtful study design incorporating appropriate end points and correlative studies will be critical in identifying optimal strategies for enhancing the immune response against breast tumors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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