MétaCan
Menu
Retour à la cohorte

The Role of Diet and Lifestyle in Colorectal Cancer Incidence and Survival

2022· book-chapter· en· W4283651565 sur OpenAlexaff
Jillian Vallis, Peter Wang

Notice bibliographique

RevueExon Publications eBooks · 2022
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésColorectal cancerMedicineIncidence (geometry)EtiologyEpidemiologyCancerRed meatPopulationInternal medicineOncologyEnvironmental healthPathology

Résumé

récupéré en direct d'OpenAlex

Colorectal cancer is one of the most prevalent malignancies in the population, resulting in significant morbidity and mortality world-wide. Identifying modifiable risk factors to reduce the incidence and morbidity of colorectal cancer is beneficial on an individual and public health level. Protective lifestyle factors against colorectal cancer incidence includes high levels of physical activity, healthy diets rich in fruits and vegetables, fish, dietary fiber, dairy, and all essential vitamins and minerals. Risk factors for increased colorectal cancer incidence includes a diet high in red and processed meat, alcohol, and tobacco. The evidence regarding the influence of specific vitamins and minerals is still evolving, as well as the etiology behind their mechanism of action in colorectal pathogenesis. Ongoing epidemiological studies are underway to determine the effects of various lifestyle factors on colorectal cancer survival. Overall, lifestyle modification is essential for prevention and treatment of colorectal cancer for improved patient outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExon Publications eBooksMême sujetNutritional Studies and DietTravaux en français237 207