MétaCan
Menu
Retour à la cohorte
Enregistrement W4400726212 · doi:10.3390/foods13142253

Anticancer Potential of Flavonoids: Their Role in Cancer Prevention and Health Benefits

2024· review· en· W4400726212 sur OpenAlexaboutno aff
Yeonhee Pyo, Ki Han Kwon, Yeon Ja Jung

Notice bibliographique

RevueFoods · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueNatural Antidiabetic Agents Studies
Établissements canadiensnon disponible
Organismes subventionnairesKonkuk University
Mots-clésHealth benefitsCancer preventionCancerTraditional medicineMedicinePharmacologyChemistryInternal medicine

Résumé

récupéré en direct d'OpenAlex

The term “flavonoid” encompasses a group of plant compounds, predominantly flavonoids, present in fruits, vegetables, and other plant-based foods. These compounds deliver significant health benefits, including potent antioxidant properties that protect cells from free radicals, thereby mitigating aging and disease. We assessed study quality and bias using the Cochrane Risk of Bias tool and the Newcastle−Ottawa Scale. Inclusion criteria specified that the studies must examine a natural flavonoid from fruits, must involve animal or human trials, must be original studies, and must be English articles on the flavonoid’s health and cancer-prevention effects, excluding conference abstracts and single-case studies. We conducted a comprehensive search of major databases including PubMed, Web of Science, Embase, SCOPUS, and Google Scholar, reviewing six clinical trials with total sample sizes of over 50 to 1500 participants. The results indicate that consuming flavonoid-rich fruits can aid in cancer prevention by targeting angiogenic and cancer-protective pathways. We specifically selected tomatoes, mulberries, Amazon grapes, apples, and citrus fruits due to their well-documented high levels of flavonoids and the robust clinical evidence supporting their physiological effects. In particular, citrus fruits contain additional beneficial phytochemicals that complement the action of flavonoids, enhancing their overall health effects. The anti-cancer mechanisms of flavonoids are not well-defined in the scientific literature, suggesting a gap that this study aims to address. Our study provides novel contributions by demonstrating how flavonoid supplementation induces anti-cancer effects through angiogenesis, anti-inflammatory actions, antioxidant-induced apoptosis, and modulation of pathways like PI3K/Akt and MAPK. These effects were particularly notable in the prevention and progression of breast, colon, liver, and lung cancers, with statistical significance (p < 0.05). By elucidating specific mechanisms and pathways, this study contributes to the understanding of flavonoids’ role in cancer prevention and underscores the potential for developing natural anti-cancer therapeutics through the inclusion of flavonoid-rich fruits in the diet. Future research should focus on randomized controlled trials assessing long-term effects of flavonoid supplementation in diverse populations, exploring optimal dosages, and understanding interactions with conventional cancer therapies to provide comprehensive evidence for clinical applications.

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)0,021
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,072
Tête enseignante GPT0,406
Écart entre enseignants0,334 · 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

Citations56
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetNatural Antidiabetic Agents StudiesTravaux en français237 207