Detailed characterization of partial tumor resection in the Syngeneic Fischer/F98 Glioma Model
Notice bibliographique
Résumé
BACKGROUND: Preclinical models of brain tumors play a fundamental role in understanding tumor biology and deploying anti-tumor strategies. However, preclinical studies evaluate their potential therapy in tumor model without prior resection. Nevertheless, maximal safe resection, the first step in the clinical treatment of glioblastoma (GBM), is known to have a significant effect on adjuvant treatments. NEW METHOD: We have therefore characterized two techniques to perform tumor resection in F98 glioma-bearing rats to bring this model closer to the clinical context. A total of 65 animals were assigned in 5 different groups: control, catheter (1.74 mm diameter) and biopsy punch (1.5/ 2.5/ 3 mm diameter). On day 10 post-tumor implantation, some animals were sacrificed on day 11 for histological analysis whereas the remaining animals were used for survival estimates. RESULTS: All animals in the survival groups that underwent tumor resection recurred. The resection cavities were visible on the H&E histological sections. No significant difference was observed between the control and resection groups in term of survival but there was a trend towards improved survival with increasing tool diameter. COMPARISON WITH EXISTING METHODS: Few studies have investigated the development of tumor resection models, but the majority of these techniques require sophisticated equipment. To our knowledge, we are the first to develop an easy-to-perform partial tumour resection model using the Fischer-F98 glioma model. CONCLUSIONS: Here we present a detailed characterization of the tumor resection procedure and recurrence model, which has potential for the investigation of local delivery strategies in the treatment of GBM.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».