MétaCan
Menu
Retour à la cohorte
Enregistrement W3115783301 · doi:10.1093/jnci/djaa195

Potential Molecular Targets in the Setting of Chemoradiation for Esophageal Malignancies

2020· review· en· W3115783301 sur OpenAlexaff
Salma K. Jabbour, Terence M. Williams, Mutlay Sayan, Eric D. Miller, Jaffer A. Ajani, Andrew C. Chang, Norman Coleman, Wael El‐Rifai, Michael G. Haddock, David H. Ilson, Daniel S. Jamorabo, Charles A. Kunos, Steven H. Lin, Geoffrey Liu, Pataje G.S. Prasanna, Anil K. Rustgi, Rosemary Wong, Bhadrasain Vikram, Mansoor M. Ahmed

Notice bibliographique

RevueJNCI Journal of the National Cancer Institute · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueEsophageal Cancer Research and Treatment
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésMedicineEsophageal cancerOncologyDiseaseInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Although the development of effective combined chemoradiation regimens for esophageal cancers has resulted in statistically significant survival benefits, the majority of patients treated with curative intent develop locoregional and/or distant relapse. Further improvements in disease control and survival will require the development of individualized therapy based on the knowledge of host and tumor genomics and potentially harnessing the host immune system. Although there are a number of gene targets that are amplified and proteins that are overexpressed in esophageal cancers, attempts to target several of these have not proven successful in unselected patients. Herein, we review our current state of knowledge regarding the molecular pathways implicated in esophageal carcinoma, and the available agents for targeting these pathways that may rationally be combined with standard chemoradiation, with the hope that this commentary will guide future efforts of novel combinations of therapy.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,062
Tête enseignante GPT0,403
Écart entre enseignants0,341 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJNCI Journal of the National Cancer InstituteMême sujetEsophageal Cancer Research and TreatmentTravaux en français237 207