Second Malignant Neoplasms: Assessment and Strategies for Risk Reduction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Improvements in early detection, supportive care, and treatment have resulted in an increasing number of cancer survivors, with a current 5-year relative survival rate for all cancers combined of approximately 66.1%. For some patients, these survival advances have been offset by the long-term late effects of cancer and its treatment, with second malignant neoplasms (SMNs) comprising one of the most potentially life-threatening sequelae. The number of patients with SMNs is growing, with new SMNs now representing about one in six of all cancers reported to the National Cancer Institute's Surveillance, Epidemiology, and End Results (SEER) Program. SMNs reflect not only the late effects of therapy but also the influence of shared etiologic factors (in particular, tobacco and excessive alcohol intake), genetic susceptibility, environmental exposures, host effects, and combinations of factors, including gene-environment interactions. For selected SMNs, risk is also modified by age at exposure and attained age. SMNs can be categorized into three major groups according to the predominant etiologic factor(s): (1) treatment-related, (2) syndromic, and (3) those due to shared etiologic exposures, although the nonexclusivity of these groups should be underscored. Here we provide an overview of SMNs in survivors of adult-onset cancer, summarizing the current, albeit limited, clinical evidence with regard to screening and prevention, with a focus on the provision of guidance for health care providers. The growing number of patients with second (and higher-order) cancers mandates that we also further probe etiologic influences and genetic variants that heighten risk, and that we better define high-risk groups for targeted preventive and interventional clinical strategies.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 découle