Pre-existing diabetes mellitus increases the risk of gastric cancer: A meta-analysis
Notice bibliographique
Résumé
AIM: To systematically assess the association between diabetes and incidence of gastric cancer. METHODS: We searched MedLine (PubMed), EMBASE, and the Cochrane Library without any limitations with respect to publication date or language, we also searched the references of qualifying articles. Case-control studies and cohort studies comparing the risk of gastric cancer between diabetic patients and control subjects were included. We excluded studies reporting only standardized incidence ratios without control groups and those that investigated only mortality but not incidence. Seventeen studies met our criteria, and the qualities of these studies were assessed using the Newcastle-Ottawa Quality Assessment Scale. We performed a meta-analysis of pre-existing diabetes and gastric cancer incidence using the DerSimonian-Laird method for random-effects. For subgroup analyses, we separated the studies by study type, region, sex and method to determine confounding factors and reliability. We also conducted subgroup analyses to examine the effects of smoking, Helicobacter pylori (H. pylori) infection, and cancer site. Publication bias was evaluated using Begg's test. RESULTS: A random-effects model meta-analysis showed an increased gastric cancer risk in diabetic patients [relative risk (RR) = 1.19; 95%CI: 1.08-1.31]. Subgroup analyses indicated that this result persisted in cohort studies (RR = 1.20; 95%CI: 1.08-1.34), in studies on populations of both Western (RR = 1.18; 95%CI: 1.03-1.36) and Eastern countries (RR = 1.19; 95%CI: 1.02-1.38), in a female subgroup (RR=1.24; 95%CI: 1.01-1.52), and in highly qualified studies (RR = 1.17; 95%CI: 1.05-1.31). Moreover, these results persisted when the analysis was confined to studies adjusted for well-known gastric cancer risk factors such as smoking (RR = 1.17; 95%CI: 1.01-1.34) and H. pylori infection (RR = 2.35; 95%CI: 1.24-4.46). CONCLUSION: Pre-existing diabetes mellitus may increase the risk of gastric cancer by approximately 19%. This effect seems to be unrelated to geographical region.
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 | 0,014 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,059 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».