MétaCan
Menu
Retour à la cohorte
Enregistrement W7066746527

Introducing the fractional differentiation for clinical data-justified prostate cancer modelling under IAD therapy

2018· article· en· W7066746527 sur OpenAlexaboutno aff

Notice bibliographique

RevueISU Red - Research and eData (Illinois State University) · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProstate cancerRadiation therapyDiseaseCancerClinical trial
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Actually the main motivation for the contents of this presentation is to introduce fractional calculus as a prospective mathematical tool for cancer dynamics, in particular prostate cancer modelling.In this context, rstly, our main problem on the controversial role of androgens for prostate cancer development is handled and according to our hypothesis a new mathematical model consisting of conventional logistic growth phenomena is constructed versus another prospective model based on a ecological phenomena, cell quota.Then, we compare these two models demonstrating the mean squared error (MSE) values for androgen and prostate-specic antigen (PSA) for the rst 1.5 cycles of intermittent androgen suppression (IAS) therapy administered to 62 selected patients from the Vancouver Prostate Center (Vancouver, BC, Canada).To reduce MSE values, we also generate the fractional version of the model and verify that fractional dierentiation provides better data tting for mathematical modelling.Moreover, with a discussion part, which hints for future works should be taken into account are pointed out.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,656

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,449
Tête enseignante GPT0,460
Écart entre enseignants0,011 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISU Red - Research and eData (Illinois State University)Même sujetMathematical Biology Tumor GrowthTravaux en français237 207