MétaCan
Menu
Retour à la cohorte
Enregistrement W2981248828 · doi:10.2174/1389450120666191017113051

Combining Radiotherapy with Immunocheckpoint Inhibitors or CAR-T in Renal Cell Carcinoma

2019· article· en· W2981248828 sur OpenAlexaff
Matteo Santoni, Daniel Yick Chin Heng, Gaetano Aurilio, Andrea Iozzelli, Lucilla Servi, Andrea Fabiani, Massimo Carlo Giannini, Roberta Mazzucchelli, Alessia Cimadamore, Marina Scarpelli, Mohamed Zaghloul, Nicola Battelli, Rodolfo Montironi

Notice bibliographique

RevueCurrent Drug Targets · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiation therapyChimeric antigen receptorRenal cell carcinomaImmunotherapyImmune checkpointCancer researchImmune systemOncologyCancerAntigenCytotoxic T cellKidney cancerInternal medicineImmunologyBiologyIn vitro

Résumé

récupéré en direct d'OpenAlex

Radiotherapy is considered a second life in Renal Cell Carcinoma (RCC) patients, mainly due to the introduction of immune checkpoint inhibitors, such as anti-Programmed-death (PD)-1, alone or in combination with anti-Cytotoxic T-Lymphocyte Antigen (CTLA)-4. Several trials are investigating the efficacy/safety of immune checkpoint inhibitors in sequential or combined strategies with radiotherapy. Chimeric Antigen Receptor (CAR)-T cells therapy as a promising approach in cancer patients has opened the way to novel possibilities of integrating therapies. The identification of biomarkers of tumor response to these combinations represents a challenge in RCC, together with the research for the best partner for immunotherapy in metastatic patients. In this review we illustrated preclinical/clinical data on the integration of radiotherapy with immunocheckpoint inhibitors or CART cells in RCC.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,293
Écart entre enseignants0,273 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug TargetsMême sujetCAR-T cell therapy researchTravaux en français237 207