Nutrition Modulation of Gastrointestinal Toxicity Related to Cancer Chemotherapy
Notice bibliographique
Résumé
Chemotherapy-induced gut toxicity is a major dose-limiting toxicity for many anticancer drugs. Gastrointestinal (GI) complications compromise the efficacy of chemotherapy, promote overall malnutrition, aggravate cancer cachexia, and may contribute to worsened prognosis. The GI tract is an attractive target for nutrition modulation, owing to its direct exposure to the diet, participation in uptake and metabolism of nutrients, high rate of cell turnover, and plasticity to nutrition stimuli. Glutamine, ω-3 polyunsaturated fatty acids, and probiotics/prebiotics are therapeutic factors that potentially modulate GI toxicity related to cancer treatments. Preclinical and clinical evidence are reviewed to critically define plausible benefits of these factors and their potential development into adjuncts to cancer chemotherapy. Mechanisms underlying the action of these nutrients are being unraveled in the laboratory. Optimal strategies to translate these findings into clinical care still remain to be elucidated. Key questions that remain to be answered include the following: which nutrient or combination of nutrients is selected for which patient and chemotherapy regimen? What mechanisms are responsible for modulation, and how are nutrient(s) administered in a clinically optimal manner? Research exploring interactions between different nutrients in GI protection is ongoing and demands further understanding. How nutrition preparations given to chemotherapy-treated patients are formulated in terms of component selection and dose optimization should be carefully studied and justified.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».