MétaCan
Menu
Retour à la cohorte
Enregistrement W4321784655 · doi:10.5772/intechopen.110130

Long-Term Toxicities among Wilms Tumor Survivors

2023· book-chapter· en· W4321784655 sur OpenAlexaff
Samir Patel, Andrea Lo, Luke Pater, Mary Frances McAleer, Arnold Paulino, John A. Kalapurakal

Notice bibliographique

RevueIntechOpen eBooks · 2023
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRenal and related cancers
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineWilms' tumorInternal medicineDiseaseCancerClinical trialOncologyIncidence (geometry)InfertilityDiabetes mellitusIntensive care medicinePregnancyPediatricsEndocrinology

Résumé

récupéré en direct d'OpenAlex

Successive trials conducted by the National Wilms Tumor Study have resulted in very high cure rates for children with Wilms tumor (WT). These trials have also significantly reduced the indications for doxorubicin and higher doses of RT in WT. Late toxicities after multimodality treatment especially RT, continues to be a major problem among WT survivors. Higher doses of RT is the most important factor responsible for the many late effects including congestive heart failure, secondary malignant neoplasms, hypogonadism, infertility and pregnancy complications, pulmonary disease, musculoskeletal effects, renal failure and diabetes mellitus. The potential for novel RT techniques like IMRT and proton therapy to reduce the incidence of these toxicities is discussed. The surveillance recommendations for WT survivors are mainly derived from the COG long-term follow-up guidelines. The future directions in late effects research include novel research to improve current knowledge of association between RT doses to target organs and late effects, discovery of novel biomarkers, and identification of predictive genetic biomarkers. Despite all these advances, there are significant challenges facing the global health care community that need to be overcome before the benefits of these innovations in late effects research can be translated to individual cancer survivors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetRenal and related cancersTravaux en français237 207