MétaCan
Menu
Back to cohort
Record W7161779036 · doi:10.82308/24334

Prehabilitation Increases Anti-tumor Immunity within Lung Cancer Patients

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

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldMedicine
TopicExercise and Physiological Responses
Canadian institutionsnot available
Fundersnot available
KeywordsLung cancerLung diseaseCancerRespiratory disease

Abstract

fetched live from 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

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.217
Threshold uncertainty score0.772

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.016
GPT teacher head0.342
Teacher spread0.327 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicExercise and Physiological ResponsesFrench-language works237,207