Notice bibliographique
Résumé
Abstract The NTRK1, NTRK2, and NTRK3 genes encode the TRKA, TRKB, and TRKC receptors, critical for nervous system development. Gene fusions involving neurotrophic tyrosine receptor kinase (NTRK) are found in various cancers. In the pediatric population, NTRK gene fusions have been identified in up to 5.3% of high-grade gliomas (HGGs) and 2.5% of low-grade gliomas (LGGs). The prevalence is notably higher in young children, particularly in infantile hemispheric gliomas, where the fusion frequency is about 20%. Targeted therapies with TRK inhibitors (TRKi), including larotrectinib and entrectinib, have shown promising efficacy with rapid and durable responses for patients with LGGs and HGGs. TRKi are usually well tolerated, but on-target and off-target adverse events have been reported, such as increased AST/ALT, fatigue, decreased neutrophil, weight gain, and fractures with entrectinib. Resistance to TRKi arises from on-target mutations or new pathway activations, with second-generation inhibitors addressing some resistant cases. Despite efficacy, challenges remain in diagnosis, treatment access, and long-term safety, particularly regarding cognitive development and bone health. Overall, TRKi represent a significant advance for treating NTRK fusion-positive CNS tumors, especially in pediatric populations, offering new hope for patients with limited treatment options. Further studies are required to optimize their use and address unresolved challenges.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».