BMI, Diet and Female Reproductive Factors as Risks for Thyroid Cancer: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Thyroid cancer incidence rates have been increasing worldwide but the reason behind this is unclear. Both the increasing use of diagnostic technologies allowing the detection of thyroid cancer and a true increase in thyroid cancer incidence have been proposed. This review assesses the role of body mass index (BMI), diet, and reproductive factors on the thyroid cancer trend. METHODS: Epidemiologic studies of the selected risk factors up to June 2010 were reviewed and critically assessed. RESULTS: Among the thirty-seven studies reviewed and despite variation in the risk estimates, most papers supported a small but positive association for BMI (risk estimate range: 1.1-2.3 in males and 1.0-7.4 in females.). Among specific dietary components, there was no consistent association of thyroid cancer risk with iodine intake through fortification (risk estimate range: 0.49-1.6) or fish consumption (risk estimate range 0.6-2.2), nor with diets high in cruciferous vegetables (risk estimate range 0.6-1.9). A small number of studies showed a consistent protective effect of diets high in non-cruciferous vegetable (risk estimate range: 0.71-0.92). Among reproductive factors (pregnancy, parity, number of live births, use of prescription hormones, menstrual cycle regularity, and menopausal status), none were consistently associated with higher thyroid cancer risk. CONCLUSIONS: BMI had the strongest link to thyroid cancer risk among those examined. Detailed examinations of population-level risk factors can help identify and support prevention efforts to reduce the burden of thyroid cancer.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| 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 ».