MétaCan
Menu
Retour à la cohorte
Enregistrement W3215647656 · doi:10.26685/urncst.304

First-Line Treatments for Patients with Acute Myeloid Leukemia: A Literature Review

2021· review· en· W3215647656 sur OpenAlexaff
Harrison Nelson, Amir‐Ali Golrokhian‐Sani

Notice bibliographique

RevueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) Journal · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineMyeloid leukemiaGemtuzumab ozogamicinOncologyInternal medicineClofarabineClinical trialIntensive care medicineCytarabineCD33Stem cellBiology

Résumé

récupéré en direct d'OpenAlex

Introduction: Acute myeloid leukemia (AML) is a type of cancer with a very low five-year survival rate (19%), which motivates research into numerous treatment options to improve survivability and remission rates. Here, some common treatments will be briefly discussed to provide a brief foray into AML treatment. As a very general statement, chemotherapy is the most common treatment for this condition. This is a general statement because different malignancies and multi-morbidities can heavily modify treatment options. These options each have their merits and critical differences, which should be discussed. Some significant medications are all-trans retinoic acid, interleukin II, lenalidomide, and colony-stimulating factors. Some targeted therapies would focus on FMS-like tyrosine kinase 3 inhibitors, isocitrate dehydrogenase 1 and 2 inhibitors, Gemtuzumab ozogamicin, B-cell leukemia/lymphoma-2 inhibitors, and hedgehog pathway inhibitors. Methods: A literature review was performed to summarize all available research on the different categories and types of therapeutic options for AML. Patients at all stages of AML were considered, including newly diagnosed patients and those with relapsed or drug-resistant disease. Results: Various treatments had their efficacy listed with information gained from various types of studies. The main "efficacy" focuses were remission rates and survivability over varied time periods (i.e., short-term versus long-term). Discussion: This literature review provided insight into the current treatments of AML and noted that a direct comparison between every treatment type is not possible. Furthermore, several therapies are undergoing clinical trials in combination with chemotherapy, making it difficult to isolate their independent effects. Conclusion: Treatment options for AML may be affected by the AML subtype, various prognostic factors, cytogenetics, and the patient's medical history. This review aids in accessibly summarizing essential information about AML and different therapeutic options including drug targets as well as identifying future areas of research.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
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)0,0050,001

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 Opus0,064
Tête enseignante GPT0,447
Écart entre enseignants0,383 · 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'étudeRevue systématique
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) JournalMême sujetAcute Myeloid Leukemia ResearchTravaux en français237 207