Abstract B95: A dietary pattern that is associated with C-peptide and risk of colorectal cancer in women
Notice bibliographique
Résumé
Abstract Higher serum C-peptide concentrations is associated with increased risk of colorectal cancer (CRC). Therefore, we used diet and C-peptide information from a subsample of women from a large cohort and applied stepwise linear regression to identify food groups that correlated with serum levels of C-peptide. These food contributors then formed dietary patterns for predicting the risk of CRC in the main cohort of women. In up to 22 years of follow-up, we ascertained 985 cases of CRC and 758 colon cancer cases. After adjusting for confounders, we observed that the C-peptide pattern, characterized by higher meat, fish, and sweetened beverage intake, but lower coffee, high fat dairy, and whole grains intake, showed direct association with CRC risk (comparing extreme quintiles, RR=1.35, 95% CI=1.07–1.70. p trend=0.009). In stratified analysis, we did not observe an association between the C-peptide pattern and colon cancer among lean and active women (RR comparing extreme quintiles=0.84, 95% CI=0.50–1.41, p trend=0.23). However, among women who were overweight or sedentary, RR for the same comparison was 1.58 (95% CI=1.20–2.07, p trend=0.002) (p for interaction=0.007). In addition, the association between the C peptide pattern and serum C peptide concentrations is also stronger in the sedentary or overweight group (r=0.23, p<0.0001 vs r=0.15, p=0.01 among lean and active women). In conclusion, we derived a dietary pattern that correlated with C peptide concentrations. This pattern was associated with an increase of colon cancer, especially among women who were at risk for insulin resistance. Citation Information: Cancer Prev Res 2011;4(10 Suppl):B95.
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) | 0,000 | 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) | 0,002 | 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 ».