Notice bibliographique
Résumé
OBJECTIVES: Our objective was to identify food intake patterns that might be associated with the risk of renal cell carcinoma. DESIGN: A total of 461 cases (210 females, 251 males) were age frequency matched to population controls. Diet factors were created using factor analysis of 69 food items from a food-frequency questionnaire. These factors were modelled using logistic regression to identify those associated with renal cell carcinoma. SETTING: We investigated the role of diet in the aetiology of renal cell carcinoma using a population-based case--control study conducted in Ontario between 1995 and 1996. SUBJECTS: Cases were Ontario residents 20 to 74 years of age identified through review of pathology reports in the Ontario Cancer Registry. RESULTS: A 'dessert' diet factor was positively associated with disease for both sexes (odds ratio estimate (OR) for males = 3.7, 95% confidence interval (CI) 2.0-6.9; OR for females = 1.4, 95% CI 0.8-2.2, for the highest vs. lowest quartile). In males, a 'beef' diet factor was identified and was associated with an increased risk of renal cell carcinoma. Furthermore, a 'juices' diet factor also showed an association with increased risk in males (OR = 1.8, 95% CI 1.0-3.1). For females, a positive association was observed between renal cell carcinoma and an 'unhealthy' diet factor (OR = 1.4, 95% CI 0.8-2.4). CONCLUSIONS: Our findings confirmed that high-fat and high-protein diets might be risk factors for renal cell carcinoma. The data also suggest an increased risk associated with juice intake, a finding not previously reported.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».