MétaCan
Menu
Retour à la cohorte
Enregistrement W3096788987 · doi:10.3390/nu12113305

Arsenic Exposure and Breast Cancer Risk: A Re-Evaluation of the Literature

2020· review· en· W3096788987 sur OpenAlexaff
Katherine Pullella, Joanne Kotsopoulos

Notice bibliographique

RevueNutrients · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensPublic Health OntarioWomen's College HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBreast cancerArsenicMedicineEnvironmental healthIncidence (geometry)CancerRisk assessmentOncologyInternal medicineChemistry

Résumé

récupéré en direct d'OpenAlex

Arsenic is a widespread environmental contaminant and recognized carcinogen for the skin, bladder and lungs. In recent years, there has been an increasing number of studies that have investigated the effects of arsenic exposure and cancer risk at other sites, including the breast. However, to date, the association between arsenic exposure and breast cancer risk remains unclear. This article will provide an overview of arsenic metabolism, the clinically important biomarkers commonly used to assess arsenic exposure, and review the epidemiologic studies examining the role of arsenic exposure on breast cancer risk. Given the large burden of disease associated with breast cancer, it is of the upmost importance to identify risk factors and preventative strategies that could reduce cancer incidence. Limiting exposure to endemic environmental toxins, such as arsenic, represents one such strategy. More studies are required to better ascertain this relationship and to develop the public policy necessary to significantly reduce breast cancer incidence.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,294
Écart entre enseignants0,272 · 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'étudeAutre devis
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

Citations65
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetArsenic contamination and mitigationTravaux en français237 207