MétaCan
Menu
Retour à la cohorte
Enregistrement W2118224153 · doi:10.1136/gutjnl-2013-304701

Obesity and colorectal cancer

2013· review· en· W2118224153 sur OpenAlexafffund
Marc Bardou, Alan Barkun, Myriam Martel

Notice bibliographique

RevueGut · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesMcGill University
Mots-clésMedicineObesityOverweightColorectal cancerBody mass indexCancerInternal medicineEpidemiologyOncology

Résumé

récupéré en direct d'OpenAlex

Excess body weight, as defined by the body mass index (BMI), has been associated with several diseases and includes subjects who are overweight (BMI ≥ 25-29.9 kg/m(2)) or obese (BMI ≥ 30 kg/m(2)). Overweight and obesity constitute the fifth leading risk for overall mortality, accounting for at least 2.8 million adult deaths each year. In addition around 11% of colorectal cancer (CRC) cases have been attributed to overweight and obesity in Europe. Epidemiological data suggest that obesity is associated with a 30-70% increased risk of colon cancer in men, whereas the association is less consistent in women. Similar trends exist for colorectal adenoma, although the risk appears lower. Visceral fat, or abdominal obesity, seems to be of greater concern than subcutaneous fat obesity, and any 1 kg/m(2) increase in BMI confers additional risk (HR 1.03). Obesity might be associated with worse cancer outcomes, such as recurrence of the primary cancer or mortality. Several factors, including reduced sensitivity to antiangiogenic-therapeutic regimens, might explain these differences. Except for wound infection, obesity has no significant impact on surgical procedures. The underlying mechanisms linking obesity to CRC are still a matter of debate, but metabolic syndrome, insulin resistance and modifications in levels of adipocytokines seem to be of great importance. Other biological factors such as the gut microbiota or bile acids are emerging. Many questions still remain unanswered: should preventive strategies specifically target obese patients? Is the risk of cancer great enough to propose prophylactic bariatric surgery in certain patients with obesity?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,361
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations817
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGutMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207