Alcohol and Cancer: Existing Knowledge and Evidence Gaps across the Cancer Continuum
Notice bibliographique
Résumé
Alcoholic beverages are carcinogenic to humans. Globally, an estimated 4.1% of new cancer cases in 2020 were attributable to alcoholic beverages. However, the full cancer burden due to alcohol is uncertain because for many cancer (sub)types, associations remain inconclusive. Additionally, associations of consumption with therapeutic response, disease progression, and long-term cancer outcomes are not fully understood, public awareness of the alcohol-cancer link is low, and the interrelationships of alcohol control regulations and cancer risk are unclear. In December 2020, the U.S. NCI convened a workshop and public webinar that brought together a panel of scientific experts to review what is known about and identify knowledge gaps regarding alcohol and cancer. Examples of gaps identified include: (i) associations of alcohol consumption patterns across the life course with cancer risk; (ii) alcohol's systemic carcinogenic effects; (iii) alcohol's influence on treatment efficacy, patient-reported outcomes, and long-term prognosis; (iv) communication strategies to increase awareness of the alcohol-cancer link; and (v) the impact of alcohol control policies to reduce consumption on cancer incidence and mortality. Interdisciplinary research and implementation efforts are needed to increase relevant knowledge, and to develop effective interventions focused on improving awareness, and reducing harmful consumption to decrease the alcohol-related cancer burden.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».