MétaCan
Menu
Retour à la cohorte
Enregistrement W2893000112 · doi:10.1200/jgo.18.56200

Chronic Inflammation Toward Cancer Incidence: An Epidemiological Systematic Review

2018· article· en· W2893000112 sur OpenAlexaboutno aff
Nathalie Michels, Carola van Aart, Jens Morisse, Isabelle Huybrechts

Notice bibliographique

RevueJournal of Global Oncology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerInternal medicineIncidence (geometry)Prostate cancerInflammationEpidemiologyOncologyBreast cancerProspective cohort studyNested case-control studyCancer preventionCohortImmunology

Résumé

récupéré en direct d'OpenAlex

Background: It is well accepted that environment- and lifestyle-related factors (e.g., tobacco, diet, obesity and environmental pollutants) play a critical role in the development of nearly all cancers. Inflammation seems to be a major process that all of these risks factors have in common. Insight in the role of inflammation toward cancer development might have implications in prevention, early diagnosis and treatment of cancer (e.g., by selectively suppressing certain proinflammatory mediators). Aim: The aim of this review is to provide epidemiologic data on the correlation between chronic inflammation as measured by inflammatory blood parameters and the incidence of cancer. Methods: PubMed and Embase databases were searched until 2017 for English-written articles and screened by two independent authors. In vitro studies, animal studies or studies with chronically-ill subjects were excluded. Quality was assessed with the Newcastle-Ottawa scale. Results: The selected 22 observational studies included 14 nested case-control, 2 nested case-cohort and 6 prospective cohort studies. The articles originated from either Europe or the US. More than 70 different inflammatory markers were considered but C-reactive protein (CRP) was the most frequent one (followed by TNF-alpha and IL-6) and six studies combined markers of chronic inflammation into a score. Articles reported on the incidence of overall cancer (n=3) and eight site-specific cancers: non-Hodgkin lymphoma (NHL, n=1), breast (n=4), colorectal (n=6), endometrium (n=3), lung (n=3), pancreatic (n=2), prostate (n=3) and ovarian cancer (n=3). Evidence showed that elevated levels of circulating inflammatory markers are linked to an increased risk of overall, colon, endometrium, lung and ovarian cancer. The most robust and strong associations were found for colon cancer with five studies reporting significant results. Herein, CRP had the most consistent relation with odds/relative ratios ranging from 1.30 to 2.29. A definitive statement cannot be made for NHL, breast and prostate cancer due to a shortage of qualitative studies (short follow-up time, small case sample sizes) and/or inconclusive results. For pancreatic cancer, no significant results at all were found (even though these studies received the highest possible methodological quality score). Conclusion: Overall, chronic inflammation seems to play a pivotal role in cancer development. However, further research is necessary to resolve the inconclusive results and to clarify the mechanisms behind this association. Study quality improvements can be done by increasing the frequency of cytokine measures (instead of only one baseline measurement) and prolonging the follow-up.

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)0,007
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0140,021
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,026
Tête enseignante GPT0,376
Écart entre enseignants0,350 · 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'étudeRevue systématique
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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Global OncologyMême sujetCancer, Lipids, and MetabolismTravaux en français237 207