MétaCan
Menu
Retour à la cohorte
Enregistrement W3161219429 · doi:10.1115/1.4051184

Electroporation-Based Therapy for Brain Tumors: A Review

2021· review· en· W3161219429 sur OpenAlexaff
Zheng Fang, Lingchao Chen, Mike Moser, Wenjun Zhang, Zhiyong Qin, Bing Zhang

Notice bibliographique

RevueJournal of Biomechanical Engineering · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésElectroporationIrreversible electroporationIn vivoMedicineBlood–brain barrierElectrochemotherapyNeuroscienceBrain tumorGliomaCancer researchPathologyChemistryBiologyCentral nervous systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

Electroporation-based therapy (EBT), as a high-voltage-pulse technology has been prevalent with favorable clinical outcomes in the treatment of various solid tumors. This review paper aims to promote the clinical translation of EBT for brain tumors. First, we briefly introduced the mechanism of pore formation in a cell membrane activated by external electric fields using a single cell model. Then, we summarized and discussed the current in vitro and in vivo preclinical studies, in terms of (1) the safety and effectiveness of EBT for brain tumors in animal models, and (2) the blood-brain barrier (BBB) disruption induced by EBT. Two therapeutic effects could be achieved in EBT for brain tumors simultaneously, i.e., the tumor ablation induced by irreversible electroporation (IRE) and transient BBB disruption induced by reversible electroporation (RE). The BBB disruption could potentially improve the uptake of antitumor drugs thereby enhancing brain tumor treatment. The challenges that hinder the application of EBT in the treatment of human brain tumors are discussed in the review paper as well.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,040
Tête enseignante GPT0,372
Écart entre enseignants0,332 · 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

Citations34
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomechanical EngineeringMême sujetMicrobial Inactivation MethodsTravaux en français237 207