Serum and Tissue Zinc in Epithelial Malignancies: A Meta-Analysis
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
BACKGROUND AND OBJECTIVES: Current studies give us inconsistent results regarding the association of neoplasms and zinc(II) serum and tissues concentrations. The results of to-date studies using meta-analysis are summarized in this paper. METHODS: Web of Science (Science citation index expanded), PubMed (Medline), Embase and CENTRAL were searched. Articles were reviewed by two evaluators; quality was assessed by Newcastle-Ottawa scale; meta-analysis was performed including meta-regression and publication bias analysis. RESULTS: Analysis was performed on 114 case control, cohort and cross-sectional studies of 22737 participants. Decreased serum zinc level was found in patients with lung (effect size = -1.04), head and neck (effect size = -1.43), breast (effect size = -0.93), liver (effect size = -2.29), stomach (effect size = -1.59), and prostate (effect size = -1.36) cancers; elevation was not proven in any tumor. More specific zinc patterns are evident at tissue level, showing increase in breast cancer tissue (effect size = 1.80) and decrease in prostatic (effect size = -3.90), liver (effect size = -8.26), lung (effect size = -3.12), and thyroid cancer (effect size = -2.84). The rest of the included tumors brought ambiguous results, both in serum and tissue zinc levels across the studies. The association between zinc level and stage or grade of tumor has not been revealed by meta-regression. CONCLUSION: This study provides evidence on cancer-specific tissue zinc level alteration. Although serum zinc decrease was associated with most tumors mentioned herein, further--prospective--studies are needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| 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) | 0,001 | 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