MétaCan
Menu
Retour à la cohorte
Enregistrement W2558960477 · doi:10.1200/jco.2016.69.6187

Association of Obesity-Related Metabolic Disruptions With Cancer Risk and Outcome

2016· review· en· W2558960477 sur OpenAlexafffund
Ana Elisa Lohmann, Pamela J. Goodwin, Rowan T. Chlebowski, Kathy Pan, Vuk Stambolic, Ryan J.O. Dowling

Notice bibliographique

RevueJournal of Clinical Oncology · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineObesityAdipokineCancerDiseaseRisk factorDiabetes mellitusType 2 diabetesInternal medicineOncologyBioinformaticsInsulin resistanceEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

Over the past 40 years, the prevalence of obesity has increased epidemically worldwide, which raises significant concerns regarding public health and the associated economic burden. Obesity is a major risk factor for several conditions including cardiovascular disease and type 2 diabetes, and recent evidence suggests that obesity negatively affects cancer risk and outcome. The relationship between obesity and cancer is complex and involves multiple factors both at the systemic and cellular level. Indeed, disruptions in insulin metabolism, adipokines, inflammation, and sex hormones all contribute to the adverse effects of obesity in cancer development and progression. The focus of this review will be the impact of these systemic obesity-related factors on cancer biology, incidence, and outcome. Potential therapeutic interventions and current clinical trials targeting obesity and its associated factors will also be discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,988
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,071
Tête enseignante GPT0,463
Écart entre enseignants0,392 · 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.

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

Citations102
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207