MétaCan
Menu
Retour à la cohorte
Enregistrement W2996433008 · doi:10.2174/0929867326666191212101225

Resveratrol: A New Potential Therapeutic Agent for Melanoma?

2019· article· en· W2996433008 sur OpenAlexaff
Mohammad Hossein Pourhanifeh, Kazem Abbaszadeh‐Goudarzi, Sara Piccirillo, Alimohammad Shafiee, Sarah Hajighadimi, Sanaz Moradizarmehri, Zatollah Asemi, Hamed Mirzaei

Notice bibliographique

RevueCurrent Medicinal Chemistry · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSirtuins and Resveratrol in Medicine
Établissements canadiensToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésMelanomaResveratrolMedicineMetastasisAngiogenesisChemotherapyApoptosisCancerCancer researchDiseaseAutophagyPharmacologyAdverse effectOncologyImmunologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Melanoma is the most life-threatening and aggressive class of skin malignancies. The incidence of melanoma has steadily increased. Metastatic melanoma is greatly resistant to standard antimelanoma treatments such as chemotherapy, and the 5-year survival rate of cases with melanoma who have a metastatic form of the disease is less than 10%. The contributing role of apoptosis, angiogenesis and autophagy in the pathophysiology of melanoma has been previously demonstrated. Thus, it is extremely urgent to search for complementary therapeutic approaches that could enhance the quality of life of subjects and reduce treatment resistance and adverse effects. Resveratrol, known as a polyphenol component present in grapes and some plants, has anti-cancer properties due to its function as an apoptosis inducer in tumor cells, and anti-angiogenic agent to prevent metastasis. However, more clinical trials should be conducted to prove resveratrol efficacy. Herein, for the first time, we summarize the current knowledge of anti-cancerous activities of resveratrol in melanoma.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,024
Tête enseignante GPT0,311
Écart entre enseignants0,287 · 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'étudeThéorique ou conceptuel
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

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medicinal ChemistryMême sujetSirtuins and Resveratrol in MedicineTravaux en français237 207