MétaCan
Menu
Retour à la cohorte
Enregistrement W4383998685 · doi:10.1002/hon.3202

Diffuse large B‐cell lymphoma

2023· review· en· W4383998685 sur OpenAlexaff
Allison Barraclough, Eliza A. Hawkes, Laurie H. Sehn, Sonali M. Smith

Notice bibliographique

RevueHematological Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensSpinal Cord Injury BCUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineRituximabVincristineLymphomaCHOPPrednisoneOncologyClinical trialInternal medicineIntensive care medicineCyclophosphamideChemotherapy

Résumé

récupéré en direct d'OpenAlex

Large B-cell lymphoma, the prototype of aggressive non-Hodgkin lymphomas, is both the most common lymphoma and accounts for the highest global burden of lymphoma-related deaths. For nearly 4 decades, the goal of treatment has been "cure", first based on CHOP (cyclophosphamide, doxorubicin, vincristine, prednisone), and subsequently with rituximab plus CHOP. However, there is significant clinical, pathologic, and biologic heterogeneity, and not all patients are cured. Understanding and incorporating this biologic heterogeneity into treatment decisions unfortunately is not yet standard of care. Despite this gap, we now have significant advances in frontline, relapsed, and refractory settings. The POLARIX trial shows, for the first time, improved progression-free survival in a prospective randomized phase 3 setting. In the relapsed and refractory settings, there are now many approved agents/regimens, and several bispecific antibodies poised to join the arsenal of options. While chimeric antigen receptor T-cell therapy is discussed in detail elsewhere, it has quickly become an excellent option in the second-line setting and beyond. Unfortunately, special populations such as older adults continue to have poor outcomes and be underrepresented in trials, although a new generation of trials aim to address this disparity. This brief review will highlight the key issues and advances that offer improved outcomes to an increasing portion of patients.

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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0050,003

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 Opus0,174
Tête enseignante GPT0,457
Écart entre enseignants0,283 · 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

Citations43
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHematological OncologyMême sujetCAR-T cell therapy researchTravaux en français237 207