Dietary habits and prostate cancer detection: a case–control study
Notice bibliographique
Résumé
BACKGROUND: Many studies have suggested that nutritional factors may affect prostate cancer development. The aim of our study was to evaluate the relationship between dietary habits and prostate cancer detection. METHODS: We studied 917 patients who planned to have transrectal ultrasonography-guided prostatic biopsy based on an elevated serum prostate-specific antigen (PSA) level, a rising serum PSA level or an abnormal digital rectal examination. Before receiving the results of their biopsy, all patients answered a self-administered food frequency questionnaire. In combination with pathology data we performed univariable and multivariable logistic regression analyses for the predictors of cancer and its aggressiveness. RESULTS: Prostate cancer was found in 42% (386/917) of patients. The mean patient age was 64.5 (standard deviation [SD] 8.3) years and the mean serum PSA level for prostate cancer and benign cases, respectively, was 13.4 (SD 28.2) mug/L and 7.3 (SD 4.9) mug/L. Multivariable analysis revealed that a meat diet (e.g., red meat, ham, sausages) was associated with an increased risk of prostate cancer (odds ratio [OR] 2.91, 95% confidence interval [CI] 1.55-4.87, p = 0.027) and a fish diet was associated with less prostate cancer (OR 0.54, 95% CI 0.32-0.89, p = 0.017). Aggressive tumours were defined by Gleason score (>/= 7), serum PSA level (>/= 10 mug/L) and the number of positive cancer cores (>/= 3). None of the tested dietary components were found to be associated with prostate cancer aggressivity. CONCLUSION: Fish diets appear to be associated with less risk of prostate cancer detection, and meat diets appear to be associated with a 3-fold increased risk of prostate cancer. These observations add to the growing body of evidence suggesting a relationship between diet and prostate cancer risk.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».