MétaCan
Menu
Retour à la cohorte
Enregistrement W4386851430 · doi:10.1016/j.gastha.2023.09.007

Colorectal Cancer Immunotherapy: State of the Art and Future Directions

2023· article· en· W4386851430 sur OpenAlexaff
Alyssa Mauri Cornista, Maria Virginia Giolito, Kristi Baker, Hajar Hazime, Inès Dufait, Jashodeep Datta, Saratchandra Singh Khumukcham, Mark De Ridder, Jatin Roper, María T. Abreu, Karine Breckpot, Kevin Van der Jeught

Notice bibliographique

RevueGastro Hep Advances · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésImmunotherapyMedicineColorectal cancerClinical trialCancer immunotherapyCancerOncologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Cancer immunotherapy has become an indispensable mode of treatment for a multitude of solid tumor cancers. Colorectal cancer (CRC) has been one of the many cancer types to benefit from immunotherapy, especially in advanced disease where standard treatment fails to prevent recurrence or results in poor survival. The efficacy of immunotherapy in CRC has not been without challenge, as early clinical trials observed dismal responses in unselected CRC patients treated with checkpoint inhibitors. Many studies and clinical trials have since refined immunotherapies available for CRC, solidifying immunotherapy as a powerful asset for CRC treatment. This review article examines CRC immunotherapies, from their foundation, through emerging avenues for improvement, to future directions.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,271
Écart entre enseignants0,264 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations36
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGastro Hep AdvancesMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207