MétaCan
Menu
← Retour à la cohorte
Enregistrement W2942865184 · doi:10.3747/co.26.4393

A Network Approach to Developing Immuno-Oncology Combinations in Canada

2019· article· en· W2942865184 sur OpenAlexafffundvenueabout
Valerie Higenell, Richard Fajzel, Gerald Batist, Parneet Cheema, Heather L. McArthur, Barbara Melosky, Darrell V. Morris, Teresa M. Petrella, Randeep Sangha, Marie-France Savard, Srikala S. Sridhar, John Stagg, David J. Stewart, Sunil Verma

Notice bibliographique

RevueCurrent Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversité de MontréalWilliam Osler Health SystemOttawa HospitalPrincess Margaret Cancer CentreBC Cancer AgencyUniversity of TorontoJewish General Hospital
Organismes subventionnairesTerry Fox Research InstituteBristol-Myers Squibb CanadaBristol-Myers Squibb
Mots-clésMedicineExcellenceClinical trialBiobankHarmonizationCollaborative networkLeverage (statistics)BioinformaticsComputer scienceInternal medicineKnowledge managementPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Immune checkpoint inhibitors have revolutionized care for many cancer indications, with considerable effort now being focused on increasing the rate, depth, and duration of patient response. One strategy is to combine immune strategies (for example, ctla-4 and PD-1/L1-directed agents) to harness additive or synergistic efficacy while minimizing toxicity. Despite encouraging results with such combinations in multiple tumour types, numerous clinical challenges remain, including a lack of biomarkers that reliably predict outcome, the emergence of therapeutic resistance, and optimal management of immune-related toxicities. Furthermore, the selection of ideal combinations from the myriad of immune, systemic, and locoregional therapies has yet to be determined. A longitudinal network-based approach could offer advantages in addressing those critical questions, including long-term follow-up of patients beyond individual trials. The molecular cancer registry Personalize My Treatment, managed by the Networks of Centres of Excellence nonprofit organization Exactis Innovation, is uniquely positioned to accelerate Canadian immuno-oncology (io) research efforts throughout its national network of cancer sites. To gain deeper insight into how a pan-Canadian network could advance research in io combinations, Exactis invited preeminent clinical and scientific advisors from across Canada to a roundtable event in November 2017. The present white paper captures the expert advice provided: leverage longitudinal patient data collection; facilitate network collaboration and assay harmonization; synergize with existing initiatives, networks, and biobanks; and develop an io combination trial based on Canadian discoveries.

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)0,016
score de la tête « metaresearch » (Gemma)0,020
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,668

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,002
Communication savante0,0060,002
Science ouverte0,0020,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 GPT0,364
Écart entre enseignants0,285 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→