Exploring animal models in oral cancer research and clinical intervention: A critical review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cancer is a leading cause of death worldwide, but advances in treatment, early detection, and prevention have helped to reduce its impact. To translate cancer research findings into clinical interventions for patients, appropriate animal experimental models, particularly in oral cancer therapy, can be helpful. In vitro experiments using animal or human cells can provide insight into cancer's biochemical pathways. This review discusses the various animal models used in recent years for research and clinical intervention in oral cancer, along with their advantages and disadvantages. We highlight the advantages and limitations of the used animal models in oral cancer research and therapy by searching the terms of animal models, oral cancer, oral cancer therapy, oral cancer research, and animals to find all relevant publications during 2010-2023. Mouse models, widely used in cancer research, can help us understand protein and gene functions in vivo and molecular pathways more deeply. To induce cancer in rodents, xenografts are often used, but companion animals with spontaneous tumours are underutilized for rapid advancement in human and veterinary cancer treatments. Like humans with cancer, companion animals exhibit biological behaviour, treatment responses, and cytotoxic agent responses similar to humans. In companion animal models, disease progression is more rapid, and the animals have a shorter lifespan. Animal models allow researchers to study how immune cells interact with cancer cells and how they can be targeted specifically. Additionally, animal models have been extensively used in research on oral cancers, so researchers can use existing knowledge and tools to better understand oral cancers using animal models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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