Selenium and Lung Cancer: A Systematic Review and Meta Analysis
Notice bibliographique
Résumé
BACKGROUND: Selenium is a natural health product widely used in the treatment and prevention of lung cancers, but large chemoprevention trials have yielded conflicting results. We conducted a systematic review of selenium for lung cancers, and assessed potential interactions with conventional therapies. METHODS AND FINDINGS: Two independent reviewers searched six databases from inception to March 2009 for evidence pertaining to the safety and efficacy of selenium for lung cancers. Pubmed and EMBASE were searched to October 2009 for evidence on interactions with chemo- or radiation-therapy. In the efficacy analysis there were nine reports of five RCTs and two biomarker-based studies, 29 reports of 26 observational studies, and 41 preclinical studies. Fifteen human studies, one case report, and 36 preclinical studies were included in the interactions analysis. Based on available evidence, there appears to be a different chemopreventive effect dependent on baseline selenium status, such that selenium supplementation may reduce risk of lung cancers in populations with lower baseline selenium status (serum<106 ng/mL), but increase risk of lung cancers in those with higher selenium (≥ 121.6 ng/mL). Pooling data from two trials yielded no impact to odds of lung cancer, OR 0.93 (95% confidence interval 0.61-1.43); other cancers that were the primary endpoints of these trials, OR 1.51 (95%CI 0.70-3.24); and all-cause-death, OR 0.93 (95%CI 0.79-1.10). In the treatment of lung cancers, selenium may reduce cisplatin-induced nephrotoxicity and side effects associated with radiation therapy. CONCLUSIONS: Selenium may be effective for lung cancer prevention among individuals with lower selenium status, but at present should not be used as a general strategy for lung cancer prevention. Although promising, more evidence on the ability of selenium to reduce cisplatin and radiation therapy toxicity is required to ensure that therapeutic efficacy is maintained before any broad clinical recommendations can be made in this context.
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 | 0,016 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,040 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».