A narrative review from gut to lungs: non-small cell lung cancer and the gastrointestinal microbiome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and Objective: The gut microbiome has emerged as an important gateway to improving therapeutic outcomes in lung cancer, especially for immunotherapy. Our objective is to review the impact of the bidirectional relationship between the gut microbiome, lung cancer, and the immune system, and to identify areas of future research. Methods: We conducted a search on PubMed, EMBASE, and ClinicalTrials.gov using the search terms non-small cell lung cancer (NSCLC), gut microbiome, and microbiota until July 11, 2022. The authors screened resulting studies independently. Results were synthesized and presented descriptively. Key Content and Findings: Sixty original published studies were identified from PubMed (n=24) and EMBASE (n=36), respectively. Twenty-five ongoing clinical studies were identified on ClinicalTrials.gov. Gut microbiota has been shown to influence tumorigenesis and modulate tumor immunity via local and neurohormonal mechanisms depending on the microbiome ecosystem that populates the gastrointestinal tract. Probiotics, antibiotics, and proton pump inhibitors (PPIs), amongst other medications, can impact gut microbiome health, leading either to improved or worsened therapeutic outcomes with immunotherapy. Most clinical studies assess the impact of the gut microbiome, but emerging data suggest microbiome composition in other host sites may be important. Conclusions: A strong relationship exists between gut microbiome, oncogenesis, and anticancer immunity. Although the underlying mechanisms are poorly understood, immunotherapy outcomes seem to depend on host-related factors such as gut microbiome alpha diversity, relative abundance of microbial genera/taxa, and extrinsic factors such as prior or concurrent exposure to probiotics, antibiotics, and other microbiome-modifying drugs.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle