MétaCan
Menu
Retour à la cohorte
Enregistrement W2038254244 · doi:10.1080/09637480802183380

Effectiveness of whole grain consumption in the prevention of colorectal cancer: Meta-analysis of cohort studies

2009· review· en· W2038254244 sur OpenAlexaff
Patrícia Haas, Marcos José Machado, Alex A. Anton, A.S.S. Silva, Alícia de Francisco

Notice bibliographique

RevueInternational Journal of Food Sciences and Nutrition · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalRelative riskColorectal cancerHazard ratioMeta-analysisCohort studyInternal medicineProportional hazards modelPopulationCohortMultivariate analysisCancerOncologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The present work aimed to evaluate the effectiveness of whole grain consumption in preventing colorectal cancer. A systematic review with meta-analysis of 11 cohort studies was carried out. The age group of the population studied (1,719,590 participants) was between 25 and 76 years of age. The review evaluated the relative risks with the Cox proportional hazard model. The period of study varied from 6 to 16 years, where 7,745 persons developed colorectal cancer during the follow-up period. In the multivariate analysis, the highest quintile relative risk was 0.94 (95% confidence interval, 0.85-1.03), whereas that for the lowest quintile was 0.96 (95% confidence interval, 0.88-1.04). The location of tumors was also evaluated, with tumors in the colon demonstrating a relative risk of 0.93 (95% confidence interval, 0.83-1.02) and tumors in the recto a relative risk equal to 0.89 (95% confidence interval, 0.79-1.00). In this multivariate analysis, consumption of whole grains was inversely associated with the risk of developing colorectal 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,026
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0130,032
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,156
Tête enseignante GPT0,446
Écart entre enseignants0,290 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Sciences and NutritionMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207