MétaCan
Menu
Retour à la cohorte
Enregistrement W4406543171 · doi:10.1515/cclm-2024-1408

What does cancer screening have to do with tomato growing?

2025· article· en· W4406543171 sur OpenAlexaff
Miyo K. Chatanaka, Eleftherios P. Diamandis

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Pathogens and Resistance
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Cancer screening is considered to be a major strategy for combatting cancer. The United States Preventive Services Task Force (USPSTF) recommends screening for five cancers, but the strength of evidence about the effectiveness of screening is limited. To gain insights into the efficacy of early detection requires prospective, blinded, placebo-controlled clinical trials with decades of follow-up and inclusion of millions of participants. Recently, Bretthauer et al. estimated lifetime gained with cancer screening tests by using a meta-analysis of 18 large randomized clinical trials which included more than two million subjects. They asked if cancer screening tests are saving lives and how much life is extended due to commonly used cancer screening tests. Colorectal cancer screening with sigmoidoscopy prolonged lifetime by 110 days, while fecal testing and mammography screening did not prolong life. A modest extension of 37 days was noted for prostate cancer screening with prostate-specific antigen testing and 107 days with lung cancer screening using computed tomography, but these estimates were not statistically significant. The authors concluded that current cancer screening strategies do not significantly prolong life. Based on these data, and the known biological behavior of some cancers, we hypothesized that the current strategies of treating cancer, after detection, could be modified to avoid the side effects of screening, which is a major determinant of the patient's overall survival.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,019
Tête enseignante GPT0,303
Écart entre enseignants0,284 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetPlant Pathogens and ResistanceTravaux en français237 207