Low-Let-Induced Radioprotective Mechanisms within a Stochastic Two-Stage Cancer Model
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
A stochastic two-stage cancer model with clonal expansion was used to investigate the potential impact on human lung cancer incidence of some aspects of the hormesis mechanisms suggested by Feinendegen (Health Phys. 52 663-669, 1987). The model was applied to low doses of low-LET radiation delivered at low dose rates. Non-linear responses arise in the model because radiologically induced adaptations in radical scavenging and DNA repair may reduce the biological consequences of DNA damage formed by endogenous processes and ionizing radiation. Sensitivity studies were conducted to identify critical model inputs and to help define the changes in cellular defense mechanisms necessary to produce a lifetime probability for lung cancer that deviates from a linear no-threshold (LNT) type of response. Our studies suggest that lung cancer risk predictions may be very sensitive to the induction of DNA damage by endogenous processes. For doses comparable to background radiation levels, endogenous DNA damage may account for as much as 50 to 80% of the predicted lung cancers. For an additional lifetime dose of 1 Gy from low-LET radiation, endogenous processes may still account for as much as 20% of the predicted cancers (Fig. 2). When both repair and scavengers are considered as inducible, radiation must enhance DNA repair and radical scavenging in excess of 30 to 40% of the baseline values to produce lifetime probabilities for lung cancer outside the range expected for endogenous processes and background radiation.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle