Intestinal Dysbiosis and Development of Cardiometabolic Disorders in Childhood Cancer Survivors: A Critical Review
Notice bibliographique
Résumé
Significance: Survivors of pediatric cancers have a high risk of developing side effects after the end of their treatments. Many potential factors have been associated with the onset of cardiometabolic disorders (CMD), including cancer disease itself, chemotherapy, hormonal treatment, radiotherapy, and genetics. However, the precise etiology and underlying mechanisms of these long-term complications are poorly understood. Recent Advances: Greater awareness is currently paid to the role of microbiota in the emergence of cancers and modulation of cancer therapies in both children and adults. Alterations in the composition and diversity of intestinal microbiota can clearly influence tumor development and progression as well as immune responses and clinical output. As dysbiosis is closely linked to the development of host metabolic diseases, including obesity, metabolic syndrome, type 2 diabetes, and non-alcoholic fatty liver disease, it may increase the risk of CMD in cancer populations. Critical Issues: Only limited studies targeting the profile of intestinal dysbiosis before and after cancer treatment have been conducted. Further, the exact contribution of intestinal dysbiosis to the development of CMD in cancer survivors is poorly appreciated. This review intends to clarify the influence of gut microbiota on CMD in childhood cancer survivors, elucidate the potential mechanisms, and evaluate the latest research on the interplay between diet/food supplement, microbiota, and cancer-related CMD. Future Directions: The implication of intestinal dysbiosis in late metabolic complications of childhood cancer survivors should be clarified. Intervention strategies could be developed to reduce the risk of survivors to CMD. Antioxid. Redox Signal. 34, 223–251.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».