MétaCan
Menu
Retour à la cohorte
Enregistrement W4411457010 · doi:10.3390/curroncol32060362

The Relationship Between Obesity and Cancer: Epidemiology, Pathophysiology, and the Effect of Obesity Treatment on Cancer

2025· review· en· W4411457010 sur OpenAlexvenueno aff
Yasmin Ingram, Oluwasegun Peter Olujide, Alice Robinson, Jan Hoong Ho, Akheel A. Syed, Safwaan Adam

Notice bibliographique

RevueCurrent Oncology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensnon disponible
Organismes subventionnairesManchester Biomedical Research CentreNational Institute for Health and Care Research
Mots-clésMedicineObesityCancerEpidemiologyPathophysiologyBioinformaticsInternal medicineOncologyBiology

Résumé

récupéré en direct d'OpenAlex

There is growing evidence relating to the risk of cancer in people with obesity. Obesity is already established as one of the strongest predisposing factors to cancer, and 'obesity-related' cancers have been defined in previous studies. In this review article, we examine the epidemiological relationship and describe the potential pathophysiological mechanisms that underpin the association between obesity and cancer. These include hormonal and growth factors that are in abundance in persons living with obesity and thereby increase cancer risk. Additionally, the increased disposition towards chronic inflammation in obesity also confers cancer risk. We also examine the impact of obesity on cancer treatment outcomes, focusing on surgery, chemotherapy, and immunotherapy. Conversely, we underline the impact of weight loss on cancer risk by examining different weight loss 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,857
Score d'incertitude au seuil0,727

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,242
Tête enseignante GPT0,521
Écart entre enseignants0,279 · 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'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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetCancer Risks and FactorsTravaux en français237 207