Dietary Fiber and Cancer Management: A Twenty‐Five‐Year Bibliometric Review of Research Trends and Directions
Notice bibliographique
Résumé
Background: The global burden of cancer necessitates innovative approaches to its management and treatment. Traditional treatments like radiotherapy, immunotherapy, surgery, and chemotherapy, carry significant side effects that impact patient quality of life. Dietary fiber has attracted research interest as a potential mitigator of cancer progression and a supportive agent in cancer treatment. This bibliometric study analyzes trends in research connecting dietary fiber, cancer therapy, and gut health from April 1999 to May 2024. Methods and Results: Web of Science, PubMed, and Scopus databases were used to retrieve peer‐reviewed publications from April 1999 to May 2024 on dietary fiber and cancer management. The study identifies a rising scholarly interest in dietary fiber’s role in cancer management, focusing significantly on the interactions between dietary fiber and gut microbiota. These interactions are particularly noted for their influence on inflammation and cancer metastasis. The study highlights evolving research themes, the importance of specific fiber types in cancer progression, and highlights persistent foundational themes like glycosylation. Emerging areas include personalized nutrition and innovative therapeutic approaches. The geographical and institutional contributions, mainly from the United States and China, underline the significance of collaborative and interdisciplinary efforts in advancing research. Conclusion: This analysis emphasizes integrating dietary strategies in comprehensive cancer care and aims to address research gaps to develop more effective and patient‐centered cancer therapy and prevention strategies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,050 | 0,045 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».