MétaCan
Menu
Retour à la cohorte
Enregistrement W2961780602 · doi:10.3322/caac.21572

Mesothelioma: Scientific clues for prevention, diagnosis, and therapy

2019· review· en· W2961780602 sur OpenAlexaff
Michele Carbone, Prasad S. Adusumilli, H. Richard Alexander, Fabrizio Bardelli, Angela Bononi, Raphael Bueno, Emanuela Felley‐Bosco, Françoise Galateau-Sallé, David M. Jablons, Aaron S. Mansfield, Michael Minaai, Marc de Perrot, Patricia A. Pesavento, Valerie W. Rusch, David T. Severson, Emanuela Taioli, Anne S. Tsao, Gavitt A. Woodard, Haining Yang, Marjorie G. Zauderer, Harvey I. Pass

Notice bibliographique

RevueCA A Cancer Journal for Clinicians · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesNational Cancer InstituteV Foundation for Cancer ResearchU.S. Department of Defense
Mots-clésMesotheliomaMedicineAsbestosPeritoneal mesotheliomaBAP1PopulationOncologyIntensive care medicinePathologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Mesothelioma affects mostly older individuals who have been occupationally exposed to asbestos. The global mesothelioma incidence and mortality rates are unknown, because data are not available from developing countries that continue to use large amounts of asbestos. The incidence rate of mesothelioma has decreased in Australia, the United States, and Western Europe, where the use of asbestos was banned or strictly regulated in the 1970s and 1980s, demonstrating the value of these preventive measures. However, in these same countries, the overall number of deaths from mesothelioma has not decreased as the size of the population and the percentage of old people have increased. Moreover, hotspots of mesothelioma may occur when carcinogenic fibers that are present in the environment are disturbed as rural areas are being developed. Novel immunohistochemical and molecular markers have improved the accuracy of diagnosis; however, about 14% (high-resource countries) to 50% (developing countries) of mesothelioma diagnoses are incorrect, resulting in inadequate treatment and complicating epidemiological studies. The discovery that germline BRCA1-asssociated protein 1 (BAP1) mutations cause mesothelioma and other cancers (BAP1 cancer syndrome) elucidated some of the key pathogenic mechanisms, and treatments targeting these molecular mechanisms and/or modulating the immune response are being tested. The role of surgery in pleural mesothelioma is controversial as it is difficult to predict who will benefit from aggressive management, even when local therapies are added to existing or novel systemic treatments. Treatment outcomes are improving, however, for peritoneal mesothelioma. Multidisciplinary international collaboration will be necessary to improve prevention, early detection, and 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.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,223
Tête enseignante GPT0,502
Écart entre enseignants0,279 · 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

Citations456
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCA A Cancer Journal for CliniciansMême sujetOccupational and environmental lung diseasesTravaux en français237 207