The Risk of Lung Cancer Related to Dietary Intake of Flavonoids
Notice bibliographique
Résumé
It has been hypothesized that flavonoids in foods and beverages may reduce cancer risk through antioxidation, inhibition of inflammation, and other antimutagenic and antiproliferative properties. We examined associations between intake of 5 flavonoid subclasses (anthocyanidins, flavan-3-ols, flavones, flavonols, and flavanones) and lung cancer risk in a population-based case-control study in Montreal, Canada (1061 cases and 1425 controls). Flavonoid intake was estimated from a food frequency questionnaire that assessed diet 2 yr prior to diagnosis (cases) or interview (controls). Odds ratios (ORs) and 95% confidence intervals (CIs) were estimated using unconditional logistic regression. Overall, total flavonoid intake was not associated with lung cancer risk, the effect being similar regardless of sex and smoking level. However, low flavonoid intake from food, but not from beverages, was associated with an increased risk. The adjusted ORs (95% CIs) comparing the highest vs. the lowest quartiles of intake were 0.63 (0.47-0.85) for total flavonoids, 0.82 (0.61-1.11) for anthocyanidins, 0.67 (0.50-0.90) for flavan-3-ols, 0.68 (0.50-0.93) for flavones, 0.62 (0.45-0.84) for flavonols, and 0.70 (0.53-0.94) for flavanones. An inverse association with total flavone and flavanone intake was observed for squamous cell carcinoma but not adenocarcinoma. In conclusion, low flavonoid intake from food may increase lung 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».