Nutrients and Risk of Colon Cancer
Notice bibliographique
Résumé
Dietary fats are thought to be important in the etiology of colon cancer. However, the evidence linking them is inconclusive. Studies on dietary protein, cholesterol and carbohydrate and the risk of colon cancer are also inconsistent. This study examined the association between dietary intake of protein, fats, cholesterol and carbohydrates, and the risk of colon cancer. Mailed questionnaires were completed by 1731 individuals with histologically confirmed cases of colon cancer and 3097 population controls between 1994 and 1997 in seven Canadian provinces. Measurements included socio-economic status, lifestyle habits and diet. A 69-item food frequency questionnaire was used to provide data on eating habits from two years before the study. Odds ratios (OR) and 95% confidence intervals (CI) were computed using unconditional logistic regression. The nutrients were categorized by quartiles based on the distributions among the controls. Intake of polyunsaturated fat, trans-fat and cholesterol were significantly associated with the risk of colon cancer; the ORs for the highest quartiles were 1.36 (95% CI, 1.02-1.80), 1.37 (95% CI, 1.10-1.71) and 1.42 (95% CI, 1.10-1.84), respectively. The association was stronger with proximal colon cancer (PCC). An increased risk was also observed with increasing intake of sucrose for both proximal and distal colon cancers; the ORs for the highest quartiles were 1.67 (95% CI, 1.22-2.29) for PCC and 1.58 (95% CI, 1.18-2.10) for distal colon cancer (DCC). An elevated risk of PCC was also found with increased lactose intake. Our findings provide evidence that a diet low in fat and sucrose could reduce the risk of various colon cancers.
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 ».