MétaCan
Menu
Retour à la cohorte
Enregistrement W2947538095 · doi:10.1186/s13045-019-0731-8

Emerging therapies for non-small cell lung cancer

2019· review· en· W2947538095 sur OpenAlex
Chao Zhang, Natasha B. Leighl, Yi‐Long Wu, Wen‐Zhao Zhong

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Hematology & Oncology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineHematologyInternal medicineLung cancerOncologyIntensive care medicineCancerMedical physics

Résumé

récupéré en direct d'OpenAlex

Recent advances in the field of novel anticancer agents prolong patients' survival and show a promising future. Tyrosine kinase inhibitors and immunotherapy for lung cancer are the two major areas undergoing rapid development. Although increasing novel anticancer agents were innovated, how to translate and optimize these novel agents into clinical practice remains to be explored. Besides, toxicities and availability of these drugs in specific regions should also be considered during clinical determination. Herein, we summarize emerging agents including tyrosine kinase inhibitors, checkpoint inhibitors, and other potential immunotherapy such as chimeric antigen receptor T cell for non-small cell lung cancer attempting to provide insights and perspectives of the future in anticancer treatment.

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 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 enseignants0,938
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,042
Tête enseignante GPT0,450
Écart entre enseignants0,407 · 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