MétaCan
Menu
Retour à la cohorte
Enregistrement W4238221601 · doi:10.1136/jclinpath-2016-204244

<i>ROS1-1</i>

2017· review· en· W4238221601 sur OpenAlexaff
Prodipto Pal, Zanobia Khan

Notice bibliographique

RevueJournal of Clinical Pathology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensLakeridge HealthUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésROS1CrizotinibCancer researchFusion geneCarcinomaTyrosine-kinase inhibitorImmunohistochemistryCabozantinibFluorescence in situ hybridizationAdenocarcinomaReceptor tyrosine kinaseTyrosine kinaseBiologyLung cancerMedicinePathologyCancerInternal medicineGeneReceptorGenetics

Résumé

récupéré en direct d'OpenAlex

ROS1 is a receptor tyrosine kinase that has recently been shown to undergo gene rearrangements in~1%-2% of non-small cell lung carcinoma (NSCLC) and in a variety of other tumours including cholangiocarcinoma, gastric carcinoma, colorectal carcinoma and in spitzoid neoplasms, glioblastoma and inflammatory myofibroblastic tumours. The ROS1 gene fusion undergoes constitutive activation, regulates cellular proliferation and is implicated in carcinogenesis. ROS1 fusions can be detected by fluorescence in situ hybridisation, real-time PCR, sequencing-based techniques and immunohistochemistry-based methods in clinical laboratories. The small molecule tyrosine kinase inhibitor, crizotinib has been shown to be an effective inhibitor of ROS1 and has received Food and Drug Administration approval for treatment of advanced NSCLC. The current review is an update on the clinical findings and detection methods of ROS1 in clinical laboratories in NSCLC and other tumours.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

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

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 Opus0,411
Tête enseignante GPT0,646
Écart entre enseignants0,235 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations21
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical PathologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207