MétaCan
Menu
Retour à la cohorte
Enregistrement W4377092470 · doi:10.3390/cancers15102836

How Does Environmental and Occupational Exposure Contribute to Carcinogenesis in Genitourinary and Lung Cancers?

2023· review· en· W4377092470 sur OpenAlexfundno aff
Massimiliano Cani, Fabio Turco, Simona Butticè, Ursula Vogl, Consuelo Buttigliero, Silvia Novello, Enrica Capelletto

Notice bibliographique

RevueCancers · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensnon disponible
Organismes subventionnairesTakeda OncologyF. Hoffmann-La RochePfizer CanadaBeiGeneSanofiAmgenPfizerAstraZenecaEli Lilly and CompanyBristol-Myers Squibb
Mots-clésGenitourinary systemLung cancerCarcinogenesisMedicineCancerCarcinogenOccupational cancerOncologyOccupational exposureEnvironmental healthInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Environmental and occupational exposures have been associated with an increased risk of different types of cancers, although the exact mechanisms of higher carcinogenesis risk are not always well understood. Lung cancer is the leading cause of global cancer mortality, and, also, genitourinary neoplasms are among the main causes of cancer-related deaths in Western countries. The purpose of this review is to describe the main environmental and occupational factors that increase the risk of developing lung and genitourinary cancers and to investigate carcinogenesis mechanisms that link these agents to cancer onset. Further objectives are to identify methods for the prevention or the early detection of carcinogenic agents and, therefore, to reduce the risk of developing these cancers or to detect them at earlier stages.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,028
Tête enseignante GPT0,302
Écart entre enseignants0,274 · 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'étudeObservationnel
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

Citations29
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetOccupational and environmental lung diseasesTravaux en français237 207