MétaCan
Menu
Retour à la cohorte
Enregistrement W4225093337 · doi:10.1039/d2lc00177b

Radiotherapy on-chip: microfluidics for translational radiation oncology

2022· review· en· W4225093337 sur OpenAlexafffund
Rodin Chermat, Maryam Ziaee, David Y. Mak, Elena Refet-Mollof, Françis Rodier, Philip Wong, Jean‐François Carrier, Yuji Kamio, Thomas Gervais

Notice bibliographique

RevueLab on a Chip · 2022
Typereview
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversité de MontréalPrincess Margaret Cancer CentreUniversity Health NetworkUniversity of TorontoPolytechnique MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésRadiation therapyMicrofluidicsRadiation oncologyMedical physicsRadiobiologyTranslational researchNanotechnologyMedicineComputer scienceEngineering ethicsEngineeringInternal medicinePathologyMaterials science

Résumé

récupéré en direct d'OpenAlex

The clinical importance of radiotherapy in the treatment of cancer patients justifies the development and use of research tools at the fundamental, pre-clinical, and ultimately clinical levels, to investigate their toxicities and synergies with systemic agents on relevant biological samples. Although microfluidics has prompted a paradigm shift in drug discovery in the past two decades, it appears to have yet to translate to radiotherapy research. However, the materials, dimensions, design versatility and multiplexing capabilities of microfluidic devices make them well-suited to a variety of studies involving radiation physics, radiobiology and radiotherapy. This review will present the state-of-the-art applications of microfluidics in these fields and specifically highlight the perspectives offered by radiotherapy on-a-chip in the field of translational radiobiology and precision medicine. This body of knowledge can serve both the microfluidics and radiotherapy communities by identifying potential collaboration avenues to improve patient care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,991
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,373
Écart entre enseignants0,334 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207