The Use of Prebiotic and Probiotic Interventions for Treating Gastrointestinal and Psychosocial Health Symptoms in Cancer Patients and Survivors: A Systematic Review
Notice bibliographique
Résumé
Background: Cancer treatments can cause significant gastrointestinal (GI) health issues, and negatively affect patient’s psychosocial health and quality of life (QOL). Novel, integrative strategies using prebiotics and probiotics have been explored for treating adverse cancer treatment-related side effects. We evaluated the current literature for interventions using prebiotics or probiotics specifically to treat GI and psychosocial health issues in cancer patients and survivors. Methods: Five databases (PubMed, MEDLINE (Ovid), CINHAL, PsychINFO, Web of Science) were searched for studies with prebiotic or probiotic interventions where GI and/or psychosocial health outcomes were measured in adult cancer patients and survivors, and published before September 12th 2021. Results: Twelve studies (N = 974 participants) meeting the inclusion criteria were identified (randomized controlled trials [n = 10], single-group pre-post studies [n = 2]). Ten studies were conducted with patients on active cancer treatment, and 2 studies treated patients after anti-cancer therapies. Three studies used prebiotics, 7 studies used probiotics, and 2 studies used a combination therapy. The most commonly used probiotic strains were from the Lactobacillus genus. There was minimal evidence for prebiotics to improve GI or psychosocial health. Probiotics were associated with significant improvements in abdominal pain (n = 2), gas/bloating (n = 2), and especially diarrhea (n = 5), and with improvements in anxiety (n = 1), depression (n = 1), fatigue (n = 1), and QOL (n = 2). Conclusions: Studies specifically examining effects of prebiotics and probiotics on GI and psychosocial health outcomes are scarce. Probiotic intervention may improve some GI symptoms in cancer patients, and QOL in survivors. Controlled trials that consistently include GI and psychosocial health outcomes are needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».