Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer-related mortality worldwide, with the prevalence of the disease continually rising. Therefore, identifying disease-modifying risk factors is critical, with increasing recognition of the impact of sleep quality/sleep disorders. This narrative review summarizes the evidence on the role of five domains of sleep on lung cancer incidence and progression: (i) sleep quality/duration, (ii) sleep disordered breathing, (iii) circadian rhythm disturbances, (iv) sleep-related movement disorders, and (v) personal, environmental, and social factors that modulate each of these associations. Epidemiological evidence supports reduced sleep duration, increased sleep duration, poor sleep quality, insomnia, obstructive sleep apnea, evening chronotype, peripheral limb movements in sleep, and less robustly for night shift work and restless leg syndrome to be associated with increased risk of lung cancer development, with potential impacts on cancer survival outcomes. Proposed mechanisms underlying the biological plausibility of these epidemiological associations are also explored, with common theories relating to immune dysregulation, metabolic alterations, reductions in melatonin, sympathetic overactivation, increased reactive oxygen species, production of protumorigenic exosomes, and inflammation. We also summarized potential treatments addressing impaired sleep quality/sleep disorders and their ability to attenuate the risk of lung cancer and improve cancer survival. Although evidence on reversibility is inconsistent, there are trends toward positive outcomes. Future research should focus on clinical trials to confirm cause and effect relationships, large epidemiologic studies for incidence/prognosis, clarification on the relative efficacy of treatment modalities, and more in vivo animal models to establish the molecular mechanisms underlying these relationships.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».