Prospective Study of Fruit and Vegetable Intake and Risk of Prostate Cancer
Notice bibliographique
Résumé
BACKGROUND: Several epidemiologic studies have reported associations between fruit and vegetable intake and reduced risk of prostate cancer, but the findings are inconsistent and data on clinically relevant advanced prostate cancer are limited. METHODS: We evaluated the association between prostate cancer risk and intake of fruits and vegetables in 1338 patients with prostate cancer among 29,361 men (average follow-up = 4.2 years) in the screening arm of the Prostate, Lung, Colorectal and Ovarian Cancer Screening Trial. Participants completed both a general risk factor and a 137-item food-frequency questionnaire at baseline. Cox proportional hazards models were used to estimate relative risks (RRs) and 95% confidence intervals (CIs). All statistical tests were two-sided. RESULTS: Vegetable and fruit consumption was not related to prostate cancer risk overall; however, risk of extraprostatic prostate cancer (stage III or IV tumors) decreased with increasing vegetable intake (RR = 0.41, 95% CI = 0.22 to 0.74, for high versus low intake; P(trend) = .01). This association was mainly explained by intake of cruciferous vegetables (RR = 0.60, 95% CI = 0.36 to 0.98, for high versus low intake; P(trend) = .02), in particular, broccoli (RR = 0.55, 95% CI = 0.34 to 0.89, for >1 serving per week versus <1 serving per month; P(trend) = .02) and cauliflower (RR = 0.48, 95% CI = 0.25 to 0.89 for >1 serving per week versus <1 serving per month; P(trend) = .03). We found some evidence that risk of aggressive prostate cancer decreased with increasing spinach consumption, but the findings were not consistently statistically significant when restricted to extraprostatic disease. CONCLUSION: High intake of cruciferous vegetables, including broccoli and cauliflower, may be associated with reduced risk of aggressive prostate cancer, particularly extraprostatic disease.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».