Dietary carotenoids and risk of colon cancer: Case‐control study
Notice bibliographique
Résumé
Some epidemiological studies suggest that consumption of fruits and vegetables with a high carotenoid content may protect against colon cancer (CC). The evidence, however, is not completely consistent. Given the inconsistencies in findings in previous studies and continued interest in identifying modifiable risk factors for CC, a case-control study of French-Canadian in Montreal, Canada, was undertaken to examine the possible association between dietary carotenoids and CC risk and to investigate whether this association varies in relation to lifestyle factors such as smoking or diet, and particularly the high consumption of long-chain polyunsaturated fatty acids (LCPUFA). A total of 402 colorectal cases (200 males and 202 females) and 688 population-based controls matched for age, gender and place of residence were interviewed. Dietary intake was assessed through a validated food frequency questionnaire that collected information on over 200 food items and recipes. Odds ratios (ORs) and 95% confidence intervals (CIs) were calculated in unconditional logistic regression models. After adjustment for important variables such as total energy intake, no association was found between dietary intake of carotenoids and CC risk. For women with high intakes of LCPUFA, an inverse association was found between lutein + zeaxanthin and CC risk. ORs were 0.41; 95%CI (0.19-0.91), p=0.03 for eicosapentaenoic acid, and OR=0.36, 95%CI (0.19-0.78), p=0.01 for docosahexaenoic acid, when the upper quartiles of intake were compared to the lower. Among never-smokers, a significantly reduced risk of CC was associated with intake of beta-carotene [OR=0.44, 95%CI (0.21-0.92) and p=0.02], whereas an inverse association was found between lycopene intake and CC risk [OR=0.63, 95%CI (0.40-0.98) and p=0.05] among smokers. The results of our study suggest that a diet rich in both lutein + zeaxanthin and LCPUFAs may help prevent CC in French-Canadian females.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».