MétaCan
Menu
Retour à la cohorte
Enregistrement W1971863166 · doi:10.1001/jama.285.6.769

Intake of Fruits and Vegetables and Risk of Breast Cancer

2001· article· en· W1971863166 sur OpenAlexfundno aff
Stephanie A. Smith‐Warner, Donna Spiegelman, Shiaw-Shyuan Yaun, Hans‐Olov Adami, W. Lawrence Beeson, Piet A. van den Brandt, A.R Folsom, Gary E. Fraser, Jo L. Freudenheim, R. Alexandra Goldbohm, Saxon Graham, Anthony B. Miller, John D. Potter, Thomas E. Rohan, Frank E. Speizer, Paolo Toniolo, Walter C. Willett, A. Wolk, Anne Zeleniuch‐Jacquotte, David J. Hunter

Notice bibliographique

RevueJAMA · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthSchool of Medicine, New York UniversityYork UniversityAmerican Society of Preventive OncologyWallace Genetic Foundation
Mots-clésMedicineQuartileRelative riskBreast cancerConfidence intervalProspective cohort studyCancerDemographyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Some epidemiologic studies suggest that elevated fruit and vegetable consumption is associated with a reduced risk of breast cancer. However, most have been case-control studies in which recall and selection bias may influence the results. Additionally, publication bias may have influenced the literature on associations for specific fruit and vegetable subgroups. OBJECTIVE: To examine the association between breast cancer and total and specific fruit and vegetable group intakes using standardized exposure definitions. DATA SOURCES/STUDY SELECTION: Eight prospective studies that had at least 200 incident breast cancer cases, assessed usual dietary intake, and completed a validation study of the diet assessment method or a closely related instrument were included in these analyses. DATA EXTRACTION: Using the primary data from each of the studies, we calculated study-specific relative risks (RRs) that were combined using a random-effects model. DATA SYNTHESIS: The studies included 7377 incident invasive breast cancer cases occurring among 351 825 women whose diet was analyzed at baseline. For comparisons of the highest vs lowest quartiles of intake, weak, nonsignificant associations were observed for total fruits (pooled multivariate RR, 0.93; 95% confidence interval [CI], 0.86-1.00; P for trend =.08), total vegetables (RR, 0.96; 95% CI, 0.89-1.04; P for trend =.54), and total fruits and vegetables (RR, 0.93; 95% CI, 0.86-1.00; P for trend =.12). No additional benefit was apparent in comparisons of the highest and lowest deciles of intake. No associations were observed for green leafy vegetables, 8 botanical groups, and 17 specific fruits and vegetables. CONCLUSION: These results suggest that fruit and vegetable consumption during adulthood is not significantly associated with reduced breast 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 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)0,008
score de la tête « metaresearch » (Gemma)0,037
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: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,260
Écart entre enseignants0,248 · 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

Citations456
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetNutritional Studies and DietTravaux en français237 207