MétaCan
Menu
Retour à la cohorte
Enregistrement W4408586535 · doi:10.1080/14622416.2025.2479414

Treatment of extended RAS/ <i>BRAF</i> wild-type metastatic colorectal cancer with anti-EGFR antibody combinations

2025· review· en· W4408586535 sur OpenAlexaff
Ioannis A. Voutsadakis

Notice bibliographique

RevuePharmacogenomics · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Treatments and Studies
Établissements canadiensNOSM UniversitySault Area Hospital
Organismes subventionnairesnon disponible
Mots-clésColorectal cancerMedicineCancer researchOncologyAntibodyPanitumumabCetuximabInternal medicineCancerImmunology

Résumé

récupéré en direct d'OpenAlex

Receptor tyrosine kinase pathways are frequently deregulated in cancer. Inhibiting these pathways with small molecule inhibitors or monoclonal antibodies has become a crucial addition to the therapeutic armamentarium in oncology. Since the introduction of drugs that target receptor tyrosine kinase pathways, it has become evident that not all patients respond to treatment. Therefore, biomarkers to predict response and benefit of drugs targeting tyrosine kinases have been sought. Monoclonal antibodies targeting the Epidermal Growth Factor Receptor (EGFR), one of the four receptors of the EGFR family were among the first targeted therapies used in solid tumors. Two drugs of this class, cetuximab and panitumumab, have been used in patients with metastatic colorectal cancer initially without any biomarker requirement. Soon, it became clear that responses were mostly observed in patients without mutations in KRAS oncogene. Currently, additional mutations of the pathway, including non-exon 2 mutations in KRAS, mutations in the homologous GTPase NRAS, in kinase BRAF and PIK3CA and other pathway proteins, have been added in the evaluation for responsiveness prediction to cetuximab and panitumumab. In this review, the predictive biomarker landscape for anti-EGFR monoclonal antibody inhibitors in metastatic colorectal cancers with no extended RAS and BRAF mutations will be examined.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,054
Tête enseignante GPT0,417
Écart entre enseignants0,363 · 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'étudeRevue systématique
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacogenomicsMême sujetColorectal Cancer Treatments and StudiesTravaux en français237 207