The Pros and Cons of Low Carbohydrate and Ketogenic Diets in the Prevention and Treatment of Cancer
Notice bibliographique
Résumé
Ketogenic diets are low carbohydrate (CHO), high fat diets that are currently very popular for weight loss. Since cancer cells typically consume far more glucose than normal cells, low CHO diets are currently being considered as possible therapeutic regimens to manage cancer. However, our understanding of the safety and efficacy of such CHO-restricted diets in the prevention and treatment of cancer is still in its infancy. In this perspective we provide an overview of the current state of knowledge regarding the use of low CHO diets in the prevention and treatment of cancer. We also highlight the gaps in our knowledge regarding the potential usefulness of low CHO diets in cancer. While pre-clinical rodent studies have provided convincing evidence that CHO restriction may be effective in reducing cancer growth, there has not been sufficient attention given to the effect of these low CHO diets, that are often high in fats and low in soluble fiber, on inflammation. This is important, given that different fats have distinct effects on inflammation. As well, we demonstrate that short chain fatty acids, which are produced via the fermentation of fiber by our gut microbiome, have more anti-inflammatory properties than β-hydroxybutyrate, a ketone body produced during nutritional ketosis that is touted to have anti-inflammatory activity. Since chronic inflammation is strongly associated with cancer formation, defining the type of fats in low CHO diets may contribute to our understanding of whether these diets may work simply by reducing glucose bioavailability, or via modulation of inflammatory responses.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».