MétaCan
Menu
Retour à la cohorte
Enregistrement W6994186535

[sans titre]

2021· other· en· W6994186535 sur OpenAlexaboutno aff

Notice bibliographique

RevueDirectory of Open access Books (OAPEN Foundation) · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLung cancerTargeted therapyCancerDiseasePrecision medicineRadiation therapy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Lung cancer is the leading cause of cancer related mortality in Canada and USA. Majority of the patients present in advanced stage of the disease and of these only about 2% will be alive at 5 years. NSCLC is the most common form of lung cancer, accounting for approximately 87% of cases. Systemic chemotherapies have been used to treat metastatic NSCLC for decades, but the improvements of outcomes have reached a plateau. Recent advances in understanding signalling pathways for malignant cells, their interconections,the importance of various receptors and biomarkers and the interplay between various oncogenes have led to the development of targeted treatments that are improving both efficacy and safety of the treatments. Knowledge about the advantages of treatments with the targeted agents in metastatic NSCLC is growing rapidly. Combining various targeted agents or sequencing them properly will be important in the era of personalised medicine and overcoming development of the resistence to various targeted agents will be challenging. The importance of a team work,from the diagnosis through various treatments, to supportive care, from the interventional radiologists, pneumologists or surgeons, who have to obtain a satisfactory tumor tissue specimen, to pathologists, radiation and medical oncologists, to supportive care specialists, will be described in our publications. We will cover completely present and future approaches to personalised medicine in this rapidly evolving field of metastatic NSCLC.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0120,008
Science ouverte0,0230,015
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,3070,007

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 Opus0,145
Tête enseignante GPT0,454
Écart entre enseignants0,309 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDirectory of Open access Books (OAPEN Foundation)Travaux en français237 207