Consumption of fish and meats and risk of hepatocellular carcinoma: the European Prospective Investigation into Cancer and Nutrition (EPIC)
Notice bibliographique
Résumé
BACKGROUND: While higher intake of fish and lower consumption of red/processed meats have been suggested to play a protective role in the etiology of several cancers, prospective evidence for hepatocellular carcinoma (HCC) is limited, particularly in Western European populations. METHODS: The associations of fish and meats with HCC risk were analyzed in the EPIC cohort. Between 1992 and 2010, 191 incident HCC were identified among 477 206 participants. Baseline diet was assessed using validated dietary questionnaires. A single 24-h diet recall from a cohort subsample was used for calibration. Multivariable proportional hazard regression was utilized to estimate hazard ratios (HR) and 95% confidence intervals (CI). In a nested case-control subset (HCC = 122), HBV/HCV status and liver function biomarkers were measured. RESULTS: HCC risk was inversely associated with intake of total fish (per 20 g/day increase, HR = 0.83, 95% CI 0.74-0.95 and HR = 0.80, 95% CI 0.69-0.97 before and after calibration, respectively). This inverse association was also suggested after adjusting for HBV/HCV status and liver function score (per 20-g/day increase, RR = 0.86, 95% CI 0.66-1.11 and RR = 0.74, 95% CI 0.50-1.09, respectively) in a nested case-control subset. Intakes of total meats or subgroups of red/processed meats, and poultry were not associated with HCC risk. CONCLUSIONS: In this large European cohort, total fish intake is associated with lower HCC risk.
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 ».