MétaCan
Menu
Retour à la cohorte
Enregistrement W2945470322 · doi:10.1200/edbk_239397

A Career in Lung Cancer: Pushing Beyond Chemotherapy

2019· review· en· W2945470322 sur OpenAlexaff
Pradnya D. Patil, Frances A. Shepherd, David H. Johnson

Notice bibliographique

RevueAmerican Society of Clinical Oncology Educational Book · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésImmunotherapyLung cancerMedicineTargeted therapyDiseaseAcquired resistanceImmune checkpointChemotherapyCancerOncologyIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

The landscape of treatments for non-small cell lung cancer (NSCLC) has evolved dramatically over the past 3 decades. A better understanding of the disease biology and identification of actionable genetic alterations heralded an era of targeted therapies that has led to unprecedented survival benefits in patients with oncogene-driven NSCLC. More recent breakthroughs in immunotherapy led to the development of immune checkpoint inhibitors that have changed the treatment paradigm for patients with advanced NSCLC because of their ability to produce durable responses, resulting in improved survival outcomes. Despite the unparalleled success of these agents, primary and acquired resistance to these therapies pose a formidable challenge. In this article, we provide an overview of the therapeutic advances in the treatment of NSCLC, mechanisms of resistance, and potential strategies to overcome resistance to targeted therapies and immune checkpoint inhibitors.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,917
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,561
Écart entre enseignants0,442 · 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 tête enseignante, 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Clinical Oncology Educational BookMême sujetLung Cancer Treatments and MutationsTravaux en français237 207