A Cytokine-Based Neuroimmunologic Mechanism of Cancer-Related Symptoms
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
While many of the multiple symptoms that cancer patients have are due to the disease, it is increasingly recognized that pain, fatigue, sleep disturbance, cognitive dysfunction and affective symptoms are treatment related, and may lead to treatment delays or premature treatment termination. This symptom burden, a subjective counterpart of tumor burden, causes significant distress. Progress in understanding the mechanisms that underlie these symptoms may lead to new therapies for symptom control. Recently, some of these symptoms have been related to the actions of certain cytokines that produce a constellation of symptoms and behavioral signs when given exogenously to both humans and animals. The cytokine-induced sickness behavior that occurs in animals after the administration of infectious or inflammatory agents or certain proinflammatory cytokines has much in common with the symptoms experienced by cancer patients. Accordingly, we propose that cancer-related symptom clusters share common cytokine-based neuroimmunologic mechanisms. In this review, we provide evidence from clinical and animal studies that correlate the altered cytokine profile with cancer-related symptoms. We also propose that the expression of coexisting symptoms is linked to the deregulated activity of nuclear factor-kappa B, the transcription factor responsible for the production of cytokines and mediators of the inflammatory responses due to cancer and/or cancer treatment. These concepts open exciting new avenues for translational research in the pathophysiology and treatment of cancer-related symptoms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 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 découle