MétaCan
Menu
Retour à la cohorte
Enregistrement W4378471210 · doi:10.3390/cancers15112906

Metastatic Breast Cancer: Review of Emerging Nanotherapeutics

2023· review· en· W4378471210 sur OpenAlexaff
Ranga Dissanayake, Rheal A. Towner, Marya Ahmed

Notice bibliographique

RevueCancers · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)Breast cancerCancerMetastatic breast cancerTumor microenvironmentRadiation therapyImmunotherapyDiseaseMetastasisPrimary tumorCancer researchOncologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Metastases of breast cancer (BC) are often referred to as stage IV breast cancer due to their severity and high rate of mortality. The median survival time of patients with metastatic BC is reduced to 3 years. Currently, the treatment regimens for metastatic BC are similar to the primary cancer therapeutics and are limited to conventional chemotherapy, immunotherapy, radiotherapy, and surgery. However, metastatic BC shows organ-specific complex tumor cell heterogeneity, plasticity, and a distinct tumor microenvironment, leading to therapeutic failure. This issue can be successfully addressed by combining current cancer therapies with nanotechnology. The applications of nanotherapeutics for both primary and metastatic BC treatments are developing rapidly, and new ideas and technologies are being discovered. Several recent reviews covered the advancement of nanotherapeutics for primary BC, while also discussing certain aspects of treatments for metastatic BC. This review provides comprehensive details on the recent advancement and future prospects of nanotherapeutics designed for metastatic BC treatment, in the context of the pathological state of the disease. Furthermore, possible combinations of current treatment with nanotechnology are discussed, and their potential for future transitions in clinical settings is explored.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,060
Tête enseignante GPT0,340
Écart entre enseignants0,281 · 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'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

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207