MétaCan
Menu
Retour à la cohorte
Enregistrement W2275333326 · doi:10.1088/0952-4746/36/1/r23

Non-targeted effects and radiation-induced carcinogenesis: a review

2016· review· en· W2275333326 sur OpenAlexaff
Julie Burtt, P. Thompson, Robert M. Lafrenie

Notice bibliographique

RevueJournal of Radiological Protection · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueEffects of Radiation Exposure
Établissements canadiensNortheast Cancer CentreHealth Sciences NorthCanadian Nuclear Safety Commission
Organismes subventionnairesSociety for Radiological Protection
Mots-clésIonizing radiationBystander effectCancerMedicineCarcinogenesisMechanism (biology)EpidemiologyBioinformaticsBiologyCancer researchComputational biologyRisk analysis (engineering)Environmental healthImmunologyPathologyInternal medicinePhysicsIrradiation

Résumé

récupéré en direct d'OpenAlex

Exposure to ionising radiation is clearly associated with an increased risk of developing some types of cancer. However, the contribution of non-targeted effects to cancer development after exposure to ionising radiation is far less clear. The currently used cancer risk model by the international radiation protection community states that any increase in radiation exposure proportionately increases the risk of developing cancer. However, this stochastic cancer risk model does not take into account any contribution from non-targeted effects. Nor does it consider the possibility of a bystander mechanism in the induction of genomic instability. This paper reviews the available evidence to date for a possible role for non-targeted effects to contribute to cancer development after exposure to ionising radiation. An evolution in the understanding of the mechanisms driving non-targeted effects after exposure to ionising radiation is critical to determine the true contribution of non-targeted effects on the risk of developing cancer. Such an evolution will likely only be achievable through coordinated multidisciplinary teams combining several fields of study including: genomics, proteomics, cell biology, molecular epidemiology, and traditional epidemiology.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,035
Tête enseignante GPT0,329
Écart entre enseignants0,295 · 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

Citations38
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Radiological ProtectionMême sujetEffects of Radiation ExposureTravaux en français237 207