MétaCan
Menu
Retour à la cohorte
Enregistrement W4289111514 · doi:10.3390/cancers14153698

Immunology Meets Bioengineering: Improving the Effectiveness of Glioblastoma Immunotherapy

2022· review· en· W4289111514 sur OpenAlexaff
Zahra Fekrirad, Amir Barzegar Behrooz, Shokoofeh Ghaemi, Arezou Khosrojerdi, Atefeh Zarepour, Ali Zarrabi, Ehsan Arefian, Saeid Ghavami

Notice bibliographique

RevueCancers · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensUniversity of ManitobaResearch Institute in Oncology and HematologyChildren's Hospital Research Institute of ManitobaCancerCare Manitoba
Organismes subventionnairesnon disponible
Mots-clésImmunotherapyOncolytic virusMedicineGlioblastomaRadiation therapyCancer immunotherapyCancerCancer researchImmune systemImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Glioblastoma (GBM) therapy has seen little change over the past two decades. Surgical excision followed by radiation and chemotherapy is the current gold standard treatment. Immunotherapy techniques have recently transformed many cancer treatments, and GBM is now at the forefront of immunotherapy research. GBM immunotherapy prospects are reviewed here, with an emphasis on immune checkpoint inhibitors and oncolytic viruses. Various forms of nanomaterials to enhance immunotherapy effectiveness are also discussed. For GBM treatment and immunotherapy, we outline the specific properties of nanomaterials. In addition, we provide a short overview of several 3D (bio)printing techniques and their applications in stimulating the GBM microenvironment. Lastly, the susceptibility of GBM cancer cells to the various immunotherapy methods will be addressed.

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)
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 enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207