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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».