Anticancer Properties of Phytochemicals Present in Medicinal Plants of North America
Notice bibliographique
Résumé
Cancer is one of the most severe health problems in both developing and developed countries, worldwide. Among the most common (lung, stomach, colorectal, liver, breast) types of cancers, lung cancer has continued to be the most common cancer diagnosed in men and breast cancer is the most common cancer diagnosed in women. An estimated 12.7 million people were diagnosed with cancer across the world in 2008, and 7.6 million people died from the cancer during the same year [1]. Lung cancer, breast cancer, colorectal cancer and stomach cancer accounted for two-fifths of the total cases of cancers diagnosed worldwide [1]. More than 70% of all cancer deaths occurred in lowand middle-income countries. Deaths due to cancer are projected to continuously increase and it has been estimated that there will be 11.5 million deaths in the year 2030 [1] and 27 million new cancer cases and 17.5 million cancer deaths are projected to occur in the world by 2050 [2]. According to Canadian cancer statistics, issued by the Canadian Cancer Society, it is estimated that 186,400 new cases of cancer (excluding 81,300 non-melanoma skin cancers) and 75,700 deaths from cancer will occur in Canada in 2012 [1]. The lowest number of incidences and mortality rate is recorded in British Columbia. Both incidence and mortality rates are higher in Atlantic Canada and Quebec [3].
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».