MétaCan
Menu
Retour à la cohorte
Enregistrement W4398773704 · doi:10.4103/ijo.ijo_2414_23

Retinoblastoma – A comprehensive review, update and recent advances

2024· article· en· W4398773704 sur OpenAlexaff
Adwaita Nag, Vikas Khetan

Notice bibliographique

RevueIndian Journal of Ophthalmology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Oncology and Treatments
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRetinoblastomaComputer scienceMedicineChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Retinoblastoma is the most common pediatric ocular malignancy. It is triggered by a biallelic mutation in the RB1 gene or MYCN oncogene amplification. Retinoblastomas can be unilateral (60%-70%) or bilateral (30%-40%); bilateral tumors are always heritable and present at an earlier age as compared to unilateral ones (18-24 months vs. 36 months in India). High prevalence rates, delayed presentation, and inaccessibility to healthcare lead to worse outcomes in developing countries. The past few decades have seen a paradigm change in the treatment of retinoblastomas, shifting from enucleation and external beam radiotherapy to less aggressive modalities for eye salvage. Multimodality treatment is now the standard of care and includes intraarterial or intravenous chemotherapy along with focal consolidation therapies such as transpupillary thermotherapy, cryotherapy, and laser photocoagulation. Intravitreal and intracameral chemotherapy can help in controlling intraocular seeds. Advanced extraocular or metastatic tumors still have a poor prognosis. Genetic testing, counseling, and screening of at-risk family members must be incorporated as essential parts of management. A better understanding of the genetics and molecular basis of retinoblastoma has opened up the path for potential targeted therapy in the future. Novel recent advances such as liquid biopsy, prenatal diagnosis, prognostic biomarkers, tylectomy, and chemoplaque point to promising 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 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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,021
Tête enseignante GPT0,345
Écart entre enseignants0,324 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of OphthalmologyMême sujetOcular Oncology and TreatmentsTravaux en français237 207