Dynamical behavior-based approach for the evaluation of treatment efficacy: The case of immuno-oncology
Notice bibliographique
Résumé
Sophistication of mathematical models in the pharmacological context reflects the progress being made in understanding physiological, pharmacological, and disease relationships. This progress has illustrated once more the need for advanced quantitative tools able to efficiently extract information from these models. While dynamical systems theory has a long history in the analysis of systems biology models, as emphasized under the dynamical disease concept by Mackey and Glass [Science 197, 287-289 (1977)], its adoption in pharmacometrics is only at the beginning [Chae, Transl. Clin. Pharmacol. 28, 109 (2020)]. Using a quantitative systems pharmacology model of tumor immune dynamics as a case study [Kosinsky et al., J. Immunother. Cancer 6, 17 (2018)], we here adopt a dynamical systems analysis to describe, in an exhaustive way, six different statuses that refer to the response of the system to therapy, in the presence or absence of a tumor-free attractor. To evaluate the therapy success, we introduce the concept of TBA, related to the Time to enter the tumor-free Basin of Attraction, and corresponding to the earliest time at which the therapy can be stopped without jeopardizing its efficacy. TBA can determine the optimal time to stop drug administration and consequently quantify the reduction in drug exposure.
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 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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».