MétaCan
Menu
Retour à la cohorte
Enregistrement W2511852438 · doi:10.6000/1927-7229.2016.05.03.5

Intracellular Zinc Excess as One of the Main Factors in the Etiology of Prostate Cancer

2016· article· en· W2511852438 sur OpenAlexvenueno aff
Vladimir Zaichick, Sofia Zaichick, S. Wynchank

Notice bibliographique

RevueJournal of Analytical Oncology · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProstate cancerIntracellularEtiologyProstateMalignant transformationMedicineCancerInternal medicineEndocrinologyPathologyPhysiologyOncologyChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Numerous studies show that prevalence of prostate cancer (PCa) drastically increases with age, these malignant tumours are mainly formed in the peripheral zone of the prostate gland, and a high intake of red meat is associated with a statistically significant elevation in risk of PCa. The factors which cause all these well-specified features of the PCa are currently unclear. Here we describe one factor which can play an important role in etiology of malignant transformation of the prostate and is connected with the above-mentioned features of PCa. It is hypothesized that the prostatic intracellular Zn concentrations are probably one of the most important factors in the etiology of PCa. For an endorsement of our standpoint the estimation of changes of intracellular Zn concentrations over males lifespan was obtained using morphometric and Zn content data for the peripheral zone of prostate tissue, as well as Zn concentration in prostatic fluid. It was shown that the Zn concentrations in prostatic cells for men aged over 45 years are 10-fold higher than in those aged 18 to 30 years and this excessive accumulation of Zn may disturb the cells functions, resulting in cellular degeneration, death or malignant transformation.We hypothesize this excessive intracellular Zn concentration in cells of the prostate gland periphery has previously unrecognized and most important consequences, associated with PCa.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,378
Écart entre enseignants0,338 · 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'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

Citations38
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Analytical OncologyMême sujetTrace Elements in HealthTravaux en français237 207