Alkylating agents are possible inducers of glioblastoma and other brain tumors
Notice bibliographique
Résumé
Epidemiological evidence of an association between exposure to chemical carcinogens and an increased risk for development of glioblastoma (GBM) is limited to weak statistical associations in cohorts of firefighters, farmers, residents exposed to air pollution, and soldiers exposed to toxic chemicals (e.g., military burn pits, oil-well fire smoke). A history of ionizing radiation therapy to the head or neck is associated with an increased risk of GBM. Ionizing radiation induces point mutations, frameshift mutations, double-strand breaks, and chromosomal insertions or deletions. Mutational profiles associated with chemical exposures overlap with the broad mutational patterns seen with ionizing radiation. Data on 16 agents (15 chemicals and radio frequency radiation) that induced tumors in the rodent brain were extracted from 602 Technical Reports on 2-years cancer bioassays found in the National Toxicology Program database. Ten of the 15 chemical agents that induce brain tumors are alkylating agents. Three of the 15 chemical agents have idiosyncratic structures and might be alkylating agents. Only two of the 15 chemical agents are definitively not alkylating agents. The rat model is thought to be of possible relevance to humans suggesting that exposure to alkylating chemicals should be considered in epidemiology studies on GBM and other brain tumors.
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) | 0,000 | 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 | 0,000 |
| 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 ».