MétaCan
Menu
Retour à la cohorte
Enregistrement W4382501478 · doi:10.1002/hon.3197

Central nervous system lymphomas—Assessment and treatment and prevention of central nervous system relapse

2023· review· en· W4382501478 sur OpenAlexaff
Paola Ghione, Katharine L. Lewis, Sabela Bobillo, Laksmi Nayak, Elisabeth Schorb, Lucia Nichelli, Andrea K. Ng, Kerry J. Savage, Pam McKay, Loretta J. Nastoupil, Carole Soussain, Kate Cwynarski

Notice bibliographique

RevueHematological Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCNS Lymphoma Diagnosis and Treatment
Établissements canadiensSpinal Cord Injury BCBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicinePrimary central nervous system lymphomaLymphomaCentral nervous systemIntensive care medicinePopulationOncologyImmunologyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

In this review focused on lymphoma and the central nervous system (CNS), we summarize recent developments in the management of primary (PCNSL) and secondary CNS lymphoma (SCNSL), treatment of CNS lymphoma in the older population, the neuroradiological assessment of CNS lymphoma and finally highlight the ongoing debate on optimal CNS prophylaxis. The section on PCNSL focuses on the different approaches available for frontline treatment in Europe and the United States and discusses consolidation strategies. We then highlight available strategies to treat PCNSL in the elderly population, an area of unmet need. New therapies aiming at minimizing toxicity and prioritizing quality of life are emerging for these patients. Secondary CNS lymphoma, especially in the relapsed/refractory setting is another area of unmet need, and the efficacy of CAR-T cell therapy is being explored. We provide an overview of the imaging challenges in the neuroradiological assessment of CNS lymphoma. Finally, the section on CNS prophylaxis summarizes recent findings from large retrospective studies challenging the efficacy of present approaches to prophylaxis in higher-risk patients with lymphoma.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,091
Tête enseignante GPT0,391
Écart entre enseignants0,300 · 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'étudeAutre devis
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHematological OncologyMême sujetCNS Lymphoma Diagnosis and TreatmentTravaux en français237 207