Biologic markers of sun exposure and melanoma risk in women: Pooled case–control analysis
Notice bibliographique
Résumé
A model has been proposed whereby melanomas arise through two distinct pathways dependent on the relative influence of host susceptibility and sun exposure. Such pathways may explain site-specific patterns of melanoma occurrence. To explore this model, we investigated the relationship between melanoma risk and general markers of acute (recalled sunburns) and chronic (prevalent solar keratoses) sun exposure, stratified by anatomic site and host phenotype. Our working hypothesis was that head and neck melanomas have stronger associations with solar keratoses and weaker associations with sunburn than trunk melanomas. We conducted a collaborative analysis using original data from women subjects of 11 case-control studies of melanoma (2,575 cases, 3,241 controls). We adjusted for potential confounding effects of sunlamp use and sunbathing. The magnitude of sunburn associations did not differ significantly by melanoma site, nevus count or histologic subtype of melanoma. Across all sites, relative risk of melanoma increased with an increasing number of reported lifetime "painful" sunburns, lifetime "severe" sunburns and "severe" sunburns in youth (p(trend) < 0.001), with pooled odds ratios (pORs) for the highest category of sunburns versus no sunburns of 3.22 [95% confidence interval (CI) 2.04-5.09] for lifetime "painful" sunburns, 2.10 (95%CI 1.30-3.38) for lifetime "severe" sunburns and 2.43 (95%CI 1.61-3.65) for "severe" sunburns in youth. Solar keratoses strongly increased the risk of head and neck melanoma (pOR 4.91, 95%CI 2.10-11.46), but data were insufficient to assess risk for other sites. Reported sunburn is strongly associated with melanoma on all major body sites.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».