MétaCan
Menu
Retour à la cohorte
Enregistrement W4313199537 · doi:10.14740/wjon1424

Bimodal Age Distribution in Cancer Incidence

2022· review· en· W4313199537 sur OpenAlexvenueno aff
Shreya Desai, Achuta Kumar Guddati

Notice bibliographique

RevueWorld Journal of Oncology · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerLymphomaPopulationIncidence (geometry)OncologyLeukemiaBreast cancerCarcinogenesisLymphoblastic LeukemiaInternal medicineCancer researchImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Cancer is caused by accumulation of genetic changes which include activation of protooncogenes and loss of tumor suppressor genes. The age-specific incidence of cancer in general increases with advancing age. However, some cancers exhibit a bimodal distribution. Commonly recognized cancers with bimodal age distribution include acute lymphoblastic leukemia, osteosarcoma, Hodgkin's lymphoma, germ cell tumors and breast cancer. Delayed infection hypothesis has been used to provide explanation for the early childhood peak in leukemias and lymphomas, whereas the peak at an older age is associated with accumulation of protooncogenes and weakened immune system. Further genetic analysis and histopathological variations point to distinctly different cancers, varying genetically and histologically, which are often combined under a single category of cancers. Tumor characteristics and age distribution of these cancers varies also by population groups and has further implications on cancer screening methods. Although significant advances have been made to explain the bimodal nature of such cancers, the specific genetic mechanisms for each age distribution remain to be elucidated. Further distinction among the different cancer subtypes may lead to improvements in individual risk assessments, prevention and enhancement of treatment strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,064
Tête enseignante GPT0,408
Écart entre enseignants0,344 · 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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of OncologyMême sujetEpigenetics and DNA MethylationTravaux en français237 207