MétaCan
Menu
Retour à la cohorte
Enregistrement W2119452594 · doi:10.1158/1078-0432.ccr-12-3661

Infection and Cancer: Revaluation of the Hygiene Hypothesis

2013· review· en· W2119452594 sur OpenAlexaff
Κατερίνα Οικονομοπούλου, Davor Brinc, Kyriacos Kyriacou, Eleftherios P. Diamandis

Notice bibliographique

RevueClinical Cancer Research · 2013
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueIL-33, ST2, and ILC Pathways
Établissements canadiensUniversity Health NetworkMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésCarcinogenesisCancerImmune systemImmunologyHygiene hypothesisInflammationBiologyImmunityMedicineBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

Several studies have shown that persistent infections and inflammation can favor carcinogenesis. At the same time, certain types of pathogens and antitumor immune responses can decrease the risk of tumorigenesis or lead to cancer regression. Infectious agents and their products can orchestrate a wide range of host immune responses, through which they may positively or negatively modulate cancer development and/or progression. The factors that direct this dichotomous influence of infection-mediated immunity on carcinogenesis are not well understood. Even though not universal, several previous reports have investigated the inverse link of pathogen-induced "benign" inflammation to carcinogenesis and various other pathologies, ranging from autoimmune diseases to allergy and cancer. Several models and ideas are discussed in this review, including the impact of decreased exposure to pathogens, as well as the influence of pathogen load, the timing of infection, and the type of instigated immune response on carcinogenesis. These phenomena should guide future investigations into identifying novel targets within the microbial and host proteome, which will assist in the development of cancer therapeutics and vaccine remedies, analogous to earlier efforts based on helminthic components for the prevention and/or treatment of several pathologies.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,984
Score d'incertitude au seuil0,942

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,586
Tête enseignante GPT0,569
Écart entre enseignants0,017 · 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 tête enseignante, 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

Citations71
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetIL-33, ST2, and ILC PathwaysTravaux en français237 207