Height, Body Mass Index, and Ovarian Cancer: A Pooled Analysis of 12 Cohort Studies
Notice bibliographique
Résumé
BACKGROUND: Although many studies have investigated the association between anthropometry and ovarian cancer risk, results have been inconsistent. METHODS: The associations of height, body mass index (BMI), and ovarian cancer risk were examined in a pooled analysis of primary data from 12 prospective cohort studies from North America and Europe. The study population consisted of 531,583 women among whom 2,036 epithelial ovarian cancer cases were identified. To summarize associations, study-specific relative risks (RR) were estimated using the Cox proportional hazards model and then combined using a random-effects model. RESULTS: Women with height > or =1.70 m had a pooled multivariate RR of 1.38 [95% confidence interval (95% CI), 1.16-1.65] compared with those with height <1.60 m. For the same comparison, multivariate RRs were 1.79 (95% CI, 1.07-3.00) for premenopausal and 1.25 (95% CI, 1.04-1.49) for postmenopausal ovarian cancer (P(interaction) = 0.14). The multivariate RR for women with a BMI > or =30 kg/m(2) was 1.03 (95% CI, 0.86-1.22) compared with women with a BMI from 18.5 to 23 kg/m(2). For the same comparison, multivariate RRs were 1.72 (95% CI, 1.02-2.89) for premenopausal and 1.07 (95% CI, 0.87-1.33) for postmenopausal women (P(interaction) = 0.07). There was no statistically significant heterogeneity between studies with respect to height or BMI. BMI in early adulthood was not associated with ovarian cancer risk. CONCLUSION: Height was associated with an increased ovarian cancer risk, especially in premenopausal women. BMI was not associated with ovarian cancer risk in postmenopausal women but was positively associated with risk in premenopausal women.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».