Associations of dietary dark-green and deep-yellow vegetables and fruits with cervical intraepithelial neoplasia: modification by smoking
Notice bibliographique
Résumé
Smoking has been positively and fruit and vegetable intake has been negatively associated with cervical cancer, the second most common cancer among women worldwide. However, a lower consumption of fruits and reduced serum carotenoids have been observed among smokers. It is not known whether the smoking effect on the risk of cervical neoplasia is modified by a low intake of fruits and vegetables. The present study examined the combined effects of tobacco smoking and diet using a validated FFQ and serum carotenoid and tocopherol levels on cervical intraepithelial neoplasia grade 3 (CIN3) risk in a hospital-based case-control study conducted in São Paulo, Brazil, between 2003 and 2005. The sample comprised 231 incident, histologically confirmed cases of CIN3 and 453 controls. A low intake ( ≤ 39 g) of dark-green and deep-yellow vegetables and fruits without tobacco smoking had a lesser effect on CIN3 (OR 1·14; 95 % CI 0·49, 2·65) than among smokers with higher intake ( ≥ 40 g; OR 1·83; 95 % CI 0·73, 4·62) after adjusting for confounders. The OR for the joint exposure of tobacco smoking and low intake of vegetables and fruits was greater (3·86; 95 % CI 1·74, 8·57; P for trend < 0·001) compared with non-smokers with higher intake after adjusting for confounding variables and human papillomavirus status. Similar results were observed for total fruit, serum total carotene (including β-, α- and γ-carotene) and tocopherols. These findings suggest that the effect of nutritional factors on CIN3 is modified by smoking.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».