The LNT model for cancer induction is not supported by radiobiological data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The hallmarks of cancer have been the focus of much research and have influenced the development of risk models for radiation-induced cancer. However, natural defenses against cancer, which constitute the hallmarks of cancer prevention, have largely been neglected in developing cancer risk models. These natural defenses are enhanced by low doses and dose rates of ionizing radiation, which has aided in the continuation of human life over many generations. Our natural defenses operate at the molecular, cellular, tissue, and whole-body levels and include epigenetically regulated (epiregulated) DNA damage repair and antioxidant production, selective p53-independent apoptosis of aberrant cells (e.g. neoplastically transformed and tumor cells), suppression of cancer-promoting inflammation, and anticancer immunity (both innate and adaptive components). This publication reviews the scientific bases for the indicated cancer-preventing natural defenses and evaluates their implication for assessing cancer risk after exposure to low radiation doses and dose rates. Based on the extensive radiobiological evidence reviewed, it is concluded that the linear-no-threshold (LNT) model (which ignores natural defenses against cancer), as it relates to cancer risk from ionizing radiation, is highly implausible. Plausible models include dose-threshold and hormetic models. More research is needed to establish when a given model (threshold, hormetic, or other) applies to a given low-dose-radiation exposure scenario.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle