MétaCan
Menu
Retour à la cohorte
Enregistrement W7161779036 · doi:10.82308/24334

Prehabilitation Increases Anti-tumor Immunity within Lung Cancer Patients

2023· dissertation· en· W7161779036 sur OpenAlexaboutno aff
Lixuan Feng

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueExercise and Physiological Responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLung cancerLung diseaseCancerRespiratory disease

Résumé

récupéré en direct d'OpenAlex

Le cancer du poumon reste la principale cause de mortalité par cancer dans le monde, représentant 18 % de tous les décès par cancer. L'exercice physique a des effets bénéfiques sur la survie au cancer et, dans le cas du cancer du poumon, il existe des preuves d'une réduction relative de 25 % du risque de cancer du poumon entre les personnes ayant le niveau d'activité physique le plus élevé et celles ayant le niveau d'activité physique le plus faible. L'inflammation a été associée à un risque accru de cancer, mais le rôle de l'exercice sur la fonction immunitaire et les marqueurs inflammatoires n'est pas encore bien étudié. Actuellement, à l'Hôpital général de Montréal, il existe un programme de préhabilitation multimodale qui vise à améliorer la condition physique de base des patients atteints de cancer du poumon avant qu'ils ne subissent une intervention chirurgicale. Bien que les avantages cliniques du programme soient bien définis, les mécanismes immunitaires sous-jacents n'ont pas été étudiés. Nous avons émis l'hypothèse que les patients atteints d'un cancer du poumon qui ont suivi le programme de préhabilitation auraient un phénotype immunitaire orienté vers l'immunité anti-tumorale. Pour évaluer les changements dans la capacité fonctionnelle des PBMC, nous avons d'abord effectué un test de cytotoxicité en plaquant des PBMC de patients avec des cellules cancéreuses du poumon A549-GFP et nous avons constaté que la préhabilitation augmentait de manière significative la cytotoxicité. Nous avons utilisé la cytométrie en flux pour caractériser les différentes populations cellulaires. Nous avons constaté qu'après le programme, les patients augmentaient de manière significative les proportions de cellules NK et de monocytes non classiques tout en diminuant les proportions de monocytes classiques. En utilisant les cellules NK isolées des patients, nous avons ensuite effectué un test de cytotoxicité spécifique NK en utilisant différents ratios effecteur-cible et nous avons constaté une augmentation de la destruction avec l'augmentation des cellules NK, ce qui suggère que l'amélioration de la cytotoxicité des PBMC est due à un nombre proportionnellement plus élevé de cellules NK. Nous avons ensuite procédé à une coloration par immunofluorescence des cellules NK et nous avons constaté qu'elles étaient significativement plus nombreuses dans le microenvironnement tumoral, ce qui suggère que la préhabilitation augmente le nombre de cellules NK infiltrant la tumeur. Enfin, pour étudier les effets directs de l'exercice sur la croissance tumorale, nous avons utilisé un modèle de souris oncologique in vivo. Des souris C57BL/6 ont reçu une injection de cancer du poumon et ont été divisées en groupes de contrôle et d'exercice. Nous avons constaté une augmentation significative des niveaux de cellules NK circulantes dans les groupes d'exercice et notre modèle de flanc a montré un ralentissement significatif de la croissance par rapport au contrôle. Pour confirmer que la réduction de la croissance tumorale était due aux cellules NK, nous avons utilisé un anticorps anti-NK1.1 pour épuiser les cellules NK chez les souris et nous avons constaté que les effets protecteurs de l'exercice étaient perdus, ce qui indique que les bénéfices anti-tumoraux de l'exercice sont dus à l'implication des cellules NK. Dans l'ensemble, ces données suggèrent que la préhabilitation multimodale peut jouer un rôle dans l'immunité anti-tumorale en augmentant les cellules NK périphériques et infiltrant la tumeur, ce qui entraîne une réduction de la charge de morbidité

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,342
Écart entre enseignants0,327 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExercise and Physiological ResponsesTravaux en français237 207