MétaCan
Menu
Retour à la cohorte
Enregistrement W2010708548 · doi:10.1080/01635580802143851

Salivary Gland Cancer: An Exploratory Analysis of Dietary Factors

2008· article· en· W2010708548 sur OpenAlexaffabout
Jamie I. Forrest, Peter T. Campbell, Nancy Kreiger, Margaret Sloan

Notice bibliographique

RevueNutrition and Cancer · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueSalivary Gland Tumors Diagnosis and Treatment
Établissements canadiensUniversity of TorontoCancer Care OntarioUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioSalivary gland cancerCancerConfidence intervalPopulationFamily historyLogistic regressionCancer registryBody mass indexDemographyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

This study was an exploratory analysis of dietary and other risk factors for primary salivary gland cancer in a population-based case-control study in Ontario, Canada. Cases were men and women diagnosed between 1995 and 1996 with a first primary cancer of the salivary gland, identified through the Ontario Cancer Registry. Controls were an age-matched random sample of the population of Ontario, identified through property assessment files. Cases (n = 91) and controls (n = 1897) completed a self-administered questionnaire with information on diet, smoking, height and weight, and other lifestyle and socio-demographic factors. Multivariate logistic regression was used to estimate odds ratios (ORs) and corresponding 95% confidence intervals (CIs). Among dietary variables, high relative to low intakes of alcohol (OR: 1.26; 95% CI: 0.68-2.35), fruits (OR: 1.26; 95% CI: 0.68-2.33), sweets (OR: 1.66; 95% CI: 0.85-3.25), dairy (OR: 1.41; 95% CI: 0.77-2.58), and starchy foods (OR: 1.78; 95% CI: 0.96-3.3) were associated with non-statistically significant increased risk of salivary gland cancer; whereas vegetables and meats were linked with non-statistically significant decreased risks of the disease. Among non-diet factors, male sex, obese BMI, exposure to occupational radiation, family history of cancer, and household income were suggestive of increased disease risk. Future work with larger numbers of cases are needed to further explore these associations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,324
Écart entre enseignants0,258 · 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 tête enseignante, 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

Citations20
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrition and CancerMême sujetSalivary Gland Tumors Diagnosis and TreatmentTravaux en français237 207