Anthropometric measures and epithelial ovarian cancer risk in the European Prospective Investigation into Cancer and Nutrition
Notice bibliographique
Résumé
We examined the associations of measured anthropometric factors, including general and central adiposity and height, with ovarian cancer risk. We also investigated these associations by menopausal status and for specific histological subtypes. Among 226,798 women in the European Prospective Investigation into Cancer and Nutrition (EPIC) cohort, there were 611 incident cases of primary, malignant, epithelial ovarian cancer diagnosed during a mean 8.9 years of follow-up. Cox proportional hazards models were used to estimate hazard ratios (HRs) and 95% confidence intervals (CIs), adjusted for potential confounders. Compared to women with body mass index (BMI) < 25 kg/m2, obesity (BMI > or = 30 kg/m2) was associated with excess ovarian cancer risk for all women combined (HR = 1.33, 95% CI = 1.05-1.68; p(trend) = 0.02) and postmenopausal women (HR = 1.59, 95% CI = 1.20-2.10; p(trend) = 0.001), but the association was weaker for premenopausal women (HR = 1.16, 95% CI = 0.65-2.06; p(trend) = 0.65). Neither height or weight gain, nor BMI-adjusted measures of fat distribution assessed by waist circumference, waist-hip ratio (WHR) or hip circumference were associated with overall risk. WHR was related to increased risk of mucinous tumors (BMI-adjusted HR per 0.05 unit increment = 1.17, 95% CI = 1.00-1.38). For all women combined, no other significant associations with risk were observed for specific histological subtypes. This large, prospective study provides evidence that obesity is an important modifiable risk factor for epithelial ovarian cancer, particularly among postmenopausal 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 | 0,000 | 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) | 0,000 | 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 ».