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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».