Advances in the molecular classification of pediatric brain tumors: a guide to the galaxy
Notice bibliographique
Résumé
Central nervous system (CNS) tumors are the most common solid tumor in pediatrics, accounting for approximately 25% of all childhood cancers, and the second most common pediatric malignancy after leukemia. CNS tumors can be associated with significant morbidity, even those classified as low grade. Mortality from CNS tumors is disproportionately high compared to other childhood malignancies, although surgery, radiation, and chemotherapy have improved outcomes in these patients over the last few decades. Current therapeutic strategies lead to a high risk of side effects, especially in young children. Pediatric brain tumor survivors have unique sequelae compared to age-matched patients who survived other malignancies. They are at greater risk of significant impairment in cognitive, neurological, endocrine, social, and emotional domains, depending on the location and type of the CNS tumor. Next-generation genomics have shed light on the broad molecular heterogeneity of pediatric brain tumors and have identified important genes and signaling pathways that serve to drive tumor proliferation. This insight has impacted the research field by providing potential therapeutic targets for these diseases. In this review, we highlight recent progress in understanding the molecular basis of common pediatric brain tumors, specifically low-grade glioma, high-grade glioma, ependymoma, embryonal tumors, and atypical teratoid/rhabdoid tumor (ATRT). © 2020 Pathological Society of Great Britain and Ireland. Published by John Wiley & Sons, Ltd.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».