Dichloroacetate for Cancer Treatment: Some Facts and Many Doubts
Notice bibliographique
Résumé
Rarely has a chemical elicited as much controversy as has dichloroacetate (DCA). DCA was initially considered a dangerous toxic industrial waste product. Then it was a potential treatment for lactic acidosis. However, the main controversies started in 2008 when DCA was found to have anti-cancer effects in experimental animals. These publications showed contradictory results in vivo and in vitro, so that a thorough consideration of this compound in cancer is merited. Despite 50 years of experimentation, DCA’s future in therapeutics is uncertain. Without adequate clinical trials and lack of health authorities’ approval, DCA has been introduced in off -label cancer treatments in alternative medicine clinics in Canada, Germany, and other European countries. The lack of well-planned clinical trials and its use by people without medical training has discouraged consideration by the scientific community. There are limited thorough clinical studies of DCA, and many publications are individual case reports. Case reports of DCA benefits against cancer have been increasing recently. Furthermore, it has been shown that DCA synergizes with conventional treatments and other repurposable drugs. Beyond the classic DCA target, pyruvate dehydrogenase kinase, new target molecules have also been recently discovered. These findings have renewed interest in DCA. This paper explores whether existing evidence justifies further research on DCA for cancer treatment and it explores the role DCA may play in oncology treatment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».