MétaCan
Menu
Back to cohort
Record W7120845661

Tumor Control Probability: Models and Statistics

2014· dissertation· pt· W7120845661 on OpenAlexaboutno aff
Mairon Cerqueira dos Santos

Bibliographic record

VenueDigital Library of Theses and Dissertations (Universidade de São Paulo) · 2014
Typedissertation
Languagept
FieldMathematics
TopicMathematical Biology Tumor Growth
Canadian institutionsnot available
Fundersnot available
KeywordsMonte Carlo methodExact testParticle filterMarkov chain Monte CarloRadiation therapy
DOInot available

Abstract

fetched live from OpenAlex

A modelagem em radiobiologia possibilita prever a eficácia de tratamentos radioterápicos, especificando protocolos e estratégias para se tratar pacientes com câncer. Muitos modelos matemáticos têm sido propostos para a avaliação da Probabilidade de Controle Tumoral (TCP). Nesta tese, inicialmente apresenta-se um estudo desenvolvido em colaboração com pesquisadores da Universidade de Alberta, no Canadá, em que são comparadas as TCP\'s obtidas através de simulações Monte Carlo e dos modelos Poissoniano, de Zaider-Minerbo (ZM) e de Dawson-Hillen (DH). Os resultados mostram que, para tumores de baixa proliferação celular, o uso do modelo Poissoniano para indicação de protocolos de tratamento é tão eficaz quanto o método Monte Carlo ou o uso de modelos mais sofisticados (ZM e DH). Na segunda parte da tese, propõe-se um teste estatístico, baseado em simulações Monte Carlo do modelo de TCP de DH, para se determinar a capacidade de previsão de erradicação de tumor (cura). Obtem-se a curva ROC do teste a partir das distribuições de probabilidade da fração de células tumorais remanescentes, nas condições de cura ou não-cura. Os resultados mostram que o método pode ser também aplicado a dados clínicos, sugerindo que a avaliação do tamanho do tumor no início da radioterapia permite a prognose do tratamento a curto prazo. Na terceira parte da tese, aborda-se o estudo da fração de sobrevivência (FS) de células tumorais em função da dose de radiação a que são submetidas. Na literatura, esta fração de sobrevivência tem sido formulada através do modelo Linear-Quadrático (LQ) e, mais recentemente, da estatística não-extensiva de Tsallis. Avalia-se o comportamento dessas duas formulações em termos dos ajustes da FS a dados experimentais da literatura (referentes a células cultivadas in vitro para vários tecidos tumorais) estendendo-se assim estudos prévios da literatura. Os parâmetros da FS para ambas formulações são obtidos e a qualidade dos ajustes da FS a dados experimentais é comparada utilizando-se o qui-quadrado reduzido. Os resultados mostram que, em geral, as duas formulações permitem bons ajustes das curvas de FS. Além deste estudo, utilizamos a estatística não-extensiva de Tsallis para obtenção da TCP de ZM em função da dose, expressando-a analiticamente em termos da função Gama (para um perfil de dose típico de radiação de feixe externo) e da função Hipergeométrica (para um perfil de dose típico de braquiterapia). Finalmente, as curvas das correspondentes TCP\'s são levantadas com o uso de dados experimentais e comparadas com a TCP\'s obtidas através do modelo LQ.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.025
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.013
Threshold uncertainty score0.033

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.025
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.002
Bibliometrics0.0030.003
Science and technology studies0.0010.003
Scholarly communication0.0040.004
Open science0.0030.002
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0040.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.017
GPT teacher head0.238
Teacher spread0.221 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueDigital Library of Theses and Dissertations (Universidade de São Paulo)Same topicMathematical Biology Tumor GrowthFrench-language works237,207