Liquid biomarkers for the management of paediatric neuroblastoma: an approach to personalised and targeted cancer therapy
Notice bibliographique
Résumé
Abstract Background: Neuroblastoma is the most common extracranial solid tumour of infancy and accounts for about 6–10% of paediatric cancers. It has a biologically and clinically heterogeneous behaviour that ranges from spontaneous regression to cases of highly aggressive metastatic disease that could be unresponsive to standard therapy. In recent years, there have been several investigations into the development of various diagnostic, predictive and prognostic biomarkers towards personalised and targeted management of the disease. Materials and Methods: This paper reports on the review of current clinical and emerging biomarkers used in risk assessment, screening for early detection and diagnosis, prognostication and monitoring of the response of treatment of neuroblastoma in paediatric patients. Conclusions: Tumour markers can significantly improve diagnosis; however, the invasive, unpleasant and inconvenient nature of current tissue biopsies limits their applications, especially in paediatric patients. Therefore, the development of a non-invasive, reliable high accurate and personalised diagnostic tool capable of early detection and rapid response is the most promising step towards advanced cancer management from tumour diagnosis, therapy to patient monitoring and represents an important step towards the promise of precision, personalised and targeted medicine. Liquid biopsy assay with wide ranges of clinical applications is emerging to hold incredible potential for advancing cancer treatment and has greater promise for diagnostic purposes, identification and tracking of tumour-specific alterations during the course of the disease and to guide therapeutic decisions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».