Red Meat Intake, NAT2, and Risk of Colorectal Cancer: A Pooled Analysis of 11 Studies
Notice bibliographique
Résumé
BACKGROUND: Red meat intake has been associated with risk of colorectal cancer, potentially mediated through heterocyclic amines. The metabolic efficiency of N-acetyltransferase 2 (NAT2) required for the metabolic activation of such amines is influenced by genetic variation. The interaction between red meat intake, NAT2 genotype, and colorectal cancer has been inconsistently reported. METHODS: We used pooled individual-level data from the Colon Cancer Family Registry and the Genetics and Epidemiology of Colorectal Cancer Consortium. Red meat intake was collected by each study. We inferred NAT2 phenotype based on polymorphism at rs1495741, highly predictive of enzyme activity. Interaction was assessed using multiplicative interaction terms in multivariate-adjusted models. RESULTS: From 11 studies, 8,290 colorectal cancer cases and 9,115 controls were included. The highest quartile of red meat intake was associated with increased risk of colorectal cancer compared with the lowest quartile [OR, 1.41; 95% confidence interval (CI), 1.29-1.55]. However, a significant association was observed only for studies with retrospective diet data, not for studies with diet prospectively assessed before cancer diagnosis. Combining all studies, high red meat intake was similarly associated with colorectal cancer in those with a rapid/intermediate NAT2 genotype (OR, 1.38; 95% CI, 1.20-1.59) as with a slow genotype (OR, 1.43; 95% CI, 1.28-1.61; P interaction = 0.9). CONCLUSION: We found that high red meat intake was associated with increased risk of colorectal cancer only from retrospective case-control studies and not modified by NAT2 enzyme activity. IMPACT: Our results suggest no interaction between NAT2 genotype and red meat intake in mediating risk of 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».