MétaCan
Menu
Retour à la cohorte
Enregistrement W4283448527 · doi:10.3390/curroncol29070356

Non-Alcoholic Fatty Liver Disease and Extrahepatic Cancers: A Wolf in Sheep’s Clothing?

2022· review· en· W4283448527 sur OpenAlexvenueno aff
Athanasia Mitsala, Christos Tsalikidis, Κonstantinos Romanidis, Μichail Pitiakoudis

Notice bibliographique

RevueCurrent Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFatty liverMetabolic syndromeColorectal cancerInsulin resistanceDiseaseDyslipidemiaInternal medicineHepatocellular carcinomaCancerObesityGastroenterologyDiabetes mellitusBioinformaticsEndocrinology

Résumé

récupéré en direct d'OpenAlex

Non-alcoholic fatty liver disease (NAFLD) is now considered the main driver and leading cause of chronic liver disease globally. The umbrella term NAFLD describes a range of liver conditions closely related to insulin resistance, metabolic syndrome, diabetes mellitus, obesity, and dyslipidemia. At the same time, several malignancies, including hepatocellular carcinoma and colorectal cancer, are considered to be common causes of death among patients with NAFLD. At first, our review herein aims to investigate the role of NAFLD in developing colorectal neoplasms and adenomatous polyps based on the current literature. We will also explore the connection and the missing links between NAFLD and extrahepatic cancers. Interestingly, any relationship between NAFLD and extrahepatic malignancies could be attributable to several shared metabolic risk factors. Overall, obesity, insulin resistance, metabolic syndrome, and related disorders may increase the risk of developing cancer. Therefore, early diagnosis of NAFLD is essential for preventing the progression of the disease and avoiding its severe complications. In addition, cancer screening and early detection in these patients may improve survival and reduce any delays in treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,194
Tête enseignante GPT0,446
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207