Cancer and nutrition among children and adolescents in low- and middle-income countries
Notice bibliographique
Résumé
OBJECTIVE: : The primary purpose of this review is to investigate the relationships between cancer and nutrition in children and adolescents living in resource-poor, low- and middle-income countries (LMICs) in order to explore potential opportunities for interventions which could improve clinical outcomes in this population. METHOD: : The implications of overlapping age groups of children and adolescents with cancer are examined, as are the adverse influences of under-nutrition and socio-economic deprivation on the efficacy of treatment and cancer survival. Evidence suggestive of novel avenues to enhance prospects for cure, based on increased understanding of the dynamic of nutrition and cancer, is evaluated. RESULT: : Cancer adds to the burden of under-nutrition in disadvantaged populations which is reflective, in large measure, on inadequate governmental expenditure on health which demands public-private partnerships and the use of hospital-based foundations. Structured approaches to the measurement of nutritional status and the design of effective programmes of nutritional supplementation are of proven benefit. Initial results from studies of the perturbed gut microbiome hold considerable promise for further gains. CONCLUSION: A large minority of children with cancer in LMICs are never diagnosed and the same may be true of adolescents. Investing in the training of nutritionists will have substantial returns as will increasing access to essential medicines. Recognition of these challenges has stimulated WHO and other entities to devise major strategies for comprehensive changes in the care of children and adolescents with cancer in LMICs, offering realistic prospects for improved clinical 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 | 0,000 |
| 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 ».