MétaCan
Menu
Retour à la cohorte
Enregistrement W2332634200 · doi:10.1158/1940-6207.prev-11-pl02-02

Abstract PL02-02: Energy balance and cancer prevention: Lessons learned from clinical research

2011· article· en· W2332634200 sur OpenAlexaff
Pamela J. Goodwin

Notice bibliographique

RevueCancer Prevention Research · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerCancerEndometrial cancerColorectal cancerInternal medicineOncologyProstate cancerObesityLung cancerCancer preventionOvarian cancerGynecology

Résumé

récupéré en direct d'OpenAlex

Abstract Energy balance is associated with risk of development of many common cancers, and with clinical outcomes after cancer diagnosis in several solid tumors. Higher BMI leads to an increased risk of most solid tumors and hematologic malignancies. Exceptions in both sexes include lung and esophageal cancer; in women they also include premenopausal breast cancer (Renehan et al Lancet 2008). Physical inactivity has been convincingly or probably associated with increased risk of cancer of the breast, colon and endometrial cancer and possibly associated with an increased risk of lung, prostate and ovarian cancers; it has been estimated risk of these cancers might be reduced by 20–30% in active individuals (Friedenreich C et al Eur J Cancer 2010). Furthermore, observational data suggest that cancer risk may be reduced in obese individuals who undergo bariatric surgery (Renehan Lancet Oncology 2009) and that risk of obesity-related cancers (breast, colon, endometrial, any obesity associated cancer) is reduced in individuals reported an intentional weight loss of 20 pounds or more. Similar associations have been reported in patients diagnosed with several common types of cancer. For example, higher BMI has been convincingly associated with poor breast cancer outcomes; meta-analyses suggest relative risk of recurrence or death is increased by 25–40% in obese women. Evidence is less convincing for colorectal cancer; obesity may be associated with prostate cancer having more aggressive characteristics. Higher levels of physical activity pre and/or post diagnosis have been associated with improved outcomes in breast and colorectal cancer. One randomized trial involving 2437 early stage breast cancer patients reported improved relapse free survival (HR 0.96, 95%CI 0.60–0.98) in those randomized to a reduced fat diet (associated with modest weight loss) versus controls. A second RCT in breast cancer survivors failed to identify a prognostic effect of a more complex dietary intervention that lowered fat intake but was not associated with weight loss. Intervention studies have convincingly demonstrated that modification of energy balance (physical activity, dietary change, weight loss) in cancer patients is feasible, particularly in those with breast cancer, but confirmation of beneficial effects on cancer outcomes is lacking. Potential physiologic mediators of prognostic effects of energy balance include members of the insulin/insulin-like growth factor pathway, inflammation, adipocytokines and sex hormones; it is likely the relative importance of these factors varies across tumor types. Large scale intervention studies targeting energy balance, its components (e.g. physical activity) and/or key physiologic mediators are needed to provide high level evidence regarding benefits of modifying energy balance, or its physiologic mediators. One study targeting insulin (MA32) is underway in breast cancer survivors; others have been proposed. Citation Information: Cancer Prev Res 2011;4(10 Suppl):PL02-02.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,624
Tête enseignante GPT0,594
Écart entre enseignants0,030 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Prevention ResearchMême sujetCancer Risks and FactorsTravaux en français237 207