Photodynamic Diagnosis and Therapy for Peritoneal Carcinomatosis from Gastrointestinal Cancers: Status, Opportunities, and Challenges
Notice bibliographique
Résumé
Selective accumulation of a photosensitizer and the subsequent response in only the light-irradiated target are advantages of photodynamic diagnosis and therapy. The limited depth of the therapeutic effect is a positive characteristic when treating surface malignancies, such as peritoneal carcinomatosis. For photodynamic diagnosis (PDD), adjunctive use of aminolevulinic acid- protoporphyrin IX-guided fluorescence imaging detects cancer nodules, which would have been missed during assessment using white light visualization only. Furthermore, since few side effects have been reported, this has the potential to become a vital component of diagnostic laparoscopy. A variety of photosensitizers have been examined for photodynamic therapy (PDT), and treatment protocols are heterogeneous in terms of photosensitizer type and dose, photosensitizer-light time interval, and light source wavelength, dose, and dose rate. Although several studies have suggested that PDT has favorable effects in peritoneal carcinomatosis, clinical trials in more homogenous patient groups are required to identify the true benefits. In addition, major complications, such as bowel perforation and capillary leak syndrome, need to be reduced. In the long term, PDD and PDT are likely to be successful therapeutic options for patients with peritoneal carcinomatosis, with several options to optimize the photosensitizer and light delivery parameters to improve safety and efficacy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».