Progress in Lung Cancer Chemoprevention
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: Lung cancer is one of the major causes of cancer-related deaths. Lung cancer mortality figures argue powerfully for new approaches to control this disease. The term chemoprevention can be defined as the use of specific natural or synthetic chemical agents to reverse, suppress, or prevent premalignancy from progressing to invasive cancer. METHODS: Issues related to lung cancer chemoprevention are reviewed, including risk factors and identification of high-risk cohorts, endpoint biomarkers, and current and new chemopreventive agents. Also, important findings from chemoprevention randomized, controlled trials are summarized. RESULTS: Trials in lung cancer chemoprevention have so far produced either neutral or harmful primary endpoint results, whether in the primary, secondary, or tertiary settings. Lung cancer was not prevented by beta-carotene, alpha-tocopherol, retinol, retinyl palmitate, N-acetylcysteine, or isotretinoin in smokers. Secondary results from the phase III trials involving selenium and vitamin E, as well as results from the US Intergroup NCI I91-0001 trial supporting treatment with isotretinoin in never and former smokers, are promising and may help define new avenues for chemoprevention. CONCLUSIONS: The concept of chemoprevention in lung cancer is still in its infancy but one day may have a significant impact on the incidence and mortality of this leading cancer threat. Molecular markets of risk, drug activity and targeting, improved imaging techniques, and new drug delivery systems are being evaluated.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| 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