MétaCan
Menu
Retour à la cohorte
Enregistrement W4254478771 · doi:10.14694/edbook_am.2013.33.420

Emerging Molecular-Targeted Therapies in Early-Phase Clinical Trials and Preclinical Models

2013· review· en· W4254478771 sur OpenAlexaff
Michael Ferguson, Pooja Hingorani, Abha A. Gupta

Notice bibliographique

RevueAmerican Society of Clinical Oncology Educational Book · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésCrizotinibMedicineAnaplastic lymphoma kinaseSorafenibClinical trialTargeted therapyContext (archaeology)OncologyInternal medicineBioinformaticsCancerBiologyLung cancer

Résumé

récupéré en direct d'OpenAlex

Within the context of modern cooperative group trials, modification of standard cytotoxic chemotherapy has not improved survival in patients with rhabdomyosarcoma (RMS) over the last 30 years. There is need and interest to incorporate novel targeted anticancer agents into the treatment plans for children and adolescents with newly diagnosed RMS; however, targets directly driven by FOXO1 translocation remain elusive, and molecular events driving translocation negative tumors similarly remain ill-defined. Thus, alternate pathways driving the tumors require identification and targeting. Herein, we describe targeted therapies that could be of interest in RMS, but whose inclusion in clinical trials is thus far limited by scientific and regulatory criteria. Sorafenib, pazopanib, crizotinib, TH-302, aurora-kinase inhibitors, and anaplastic lymphoma kinase (ALK)/c-MET inhibitors will be discussed. The current preclinical and clinical data available, as well as limitations and challenges for each, will be outlined.

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)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,970
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0110,004
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,363
Tête enseignante GPT0,607
Écart entre enseignants0,244 · 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

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Clinical Oncology Educational BookMême sujetSarcoma Diagnosis and TreatmentTravaux en français237 207