Counterpoint: From animal models to prevention of colon cancer. Criteria for proceeding from preclinical studies and choice of models for prevention studies.
Notice bibliographique
Résumé
Corpet and Pierre (D. E. Corpet and F. Pierre, Cancer Epidemiol. Biomark. Prev., 12: 391-400, 2003) have reviewed the prevention studies made with the azoxymethane rat and Min mouse colon cancer models, and have shown that many agents reduce the numbers of these experimental tumors. They suggest that agents with preventive activity with little or no toxicity should be evaluated in clinical intervention studies without delay. I think that the decision to proceed to a clinical trial is more complex, and involves an understanding of the safety of the agent and of the strength and consistency of the preclinical data. However, I am also impressed by the wide range of agents that have been found to affect the development of colon cancer in animals. This suggests that human colon cancer may be the consequence of many different dietary and lifestyle deficiencies, a view supported by the observation that normal mice develop colon cancer when fed diets deficient in several food components known to prevent tumors with the azoxymethane rat model [Newmark, H. L. et al., Carcinogenesis (Lond.), 22: 1871-1875, 2001]. There is a clear need to evaluate the preventive effects of additional combinations of these agents, identified perhaps from the Corpet and Pierre review (D. E. Corpet and F. Pierre, Cancer Epidemiol. Biomark. Prev., 12: 391-400, 2003), or from actual human high-risk diets. With diets that increase the risk of "spontaneous cancer" in hand, the stage would be set for assessing the most effective ways to reduce colon cancer risk, again first with animal studies, then clinical trials, and then perhaps population studies.
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 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) | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».