Exercise protocols: The gap between preclinical and clinical exercise oncology studies
Notice bibliographique
Résumé
INTRODUCTION: (e.g., murine) exercise oncology studies. This may help close the gap between preclinical and clinical exercise oncology studies. The aim of the present mini review is to provide insight into exercise protocol design in preclinical exercise oncology studies in order to close the preclinical-clinical gap. A secondary aim was to examine exercise-responsive outcomes in the preclinical versus clinical setting. METHOD: A literature search was performed in PubMed/Medline and studies in English were screened. RESULTS: We found that the majority of preclinical exercise protocols have not been at least tested clinically. We found some evidence that certain outcomes of preclinical studies (e.g., markers of cellular and molecular adaptation) that translate to clinical studies. However, this translation was dependent on the use, by investigators in their study design, of suitable and applicable preclinical exercise protocols. CONCLUSIONS: Cancer and its treatment-induced complications (e.g., fatigue, cardiac atrophy, cachexia, etc.) have largely been ignored in the exercise protocols of preclinical oncology studies. Preclinical exercise oncology studies should consider the limitations of human exercise oncology studies when conducting gap analysis for their study design to increase the probability that findings related to mechanistic adaptations in exercise oncology will be translatable to the clinical setting. By virtue of paying heed to patient compliance and adverse effects, clinical exercise oncology research teams must design relevant, feasible exercise protocols; researchers in preclinical exercise oncology should also take such factors into consideration in order to help bridge the gap between preclinical and clinical studies in exercise oncology.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 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 ».