MétaCan
Menu
Retour à la cohorte
Enregistrement W3107561667 · doi:10.18357/tar112202019612

Diet-Based Interventions Against Cancer

2020· article· en· W3107561667 sur OpenAlexaffvenue
James Sung Jun Choi

Notice bibliographique

RevueThe Arbutus Review · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMedicineHeadachesPsychological interventionClinical trialAdverse effectAdjuvantWeight lossConstipationCancerKetogenic dietInternal medicineCompliance (psychology)Physical therapySurgeryPsychiatryPsychologyEpilepsy

Résumé

récupéré en direct d'OpenAlex

Different diet-based approaches have been studied as potential adjuvants to standard cancer therapies in human clinical trials. However, these diets have been shown to have complications such as non-compliance and adverse side effects. This paper investigates four different types of diet-based approaches used in human clinical trials and compares their complications. The four diet-based approaches evaluated in this paper are ketogenic diet (KD), protein restriction, fasting and fasting mimicking diets (FMD), and combined interventions. Research shows that KDs have large reports of non-compliance from subjects, with subjects also experiencing significant weight loss, constipation, and fatigue. Protein restriction diets have greater levels of adherence from subjects but may lead to harmful hematological toxicities. Fasting and FMD showed greater adherence than subjects on KDs, and lower toxicities than subjects on protein restriction diets, but had a greater number of complaints of headaches, hunger, and dizziness. Finally, combined interventions have the fewest reports of side effects and non-compliance but suffer from a limited number of case studies. Given these results, diet-based interventions require further research to minimize side effects and non-compliance before becoming an accepted adjuvant to standard cancer therapy.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,116
Tête enseignante GPT0,382
Écart entre enseignants0,267 · 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'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Arbutus ReviewMême sujetDiet and metabolism studiesTravaux en français237 207