Carbohydrates and colorectal cancer risk among Chinese in North America
Notice bibliographique
Résumé
Previous studies have analyzed total carbohydrate as a dietary risk factor for colorectal cancer (CRC) but obtained conflicting results, perhaps attributable in part to the embedded potential confounder, fiber. The aim of this study was to analyze the nonfiber ("effective") carbohydrate component (eCarb) separately and to test the hypothesis that effective carbohydrate consumption is directly related to CRC risk. The data (473 cases and 1192 controls) were from a large, multicenter, case-control study of Chinese residing in North America. Multivariate logistic regression was used to perform a secondary analysis controlling for age; sex; consumption of fat, fiber, calcium, and total kilocalories; body mass (Quetelet's) index; family history; education; and years in North America. Odds ratios (ORs) and 95% confidence intervals (CIs) were calculated to estimate risk among subgroups by sex and cancer site. A statistically significant positive association was observed between eCarb consumption and risk of CRC in both men (OR, 1.7 comparing highest with lowest tertile of eCarb consumption; 95% CI, 1.1-2.7) and women (OR, 2.7; 95% CI, 1.5-4.8). As expected, the ORs for total carbohydrate were somewhat lower than those for effective carbohydrate, but the differences were not large. A sex difference in risk by colorectal subsite was observed, with risk concentrated in the right colon for women (OR, 6.5; 95% CI, 2.4-18.4) and in the rectum for men (OR, 2.4; 95% CI, 1.2-4.8). These data indicate that increased eCarb and total carbohydrate consumption are both associated with increased risk of CRC in both sexes, and that among women, relative risk appears greatest for the right colon, whereas among men, relative risk appears greatest for the rectum.
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 ».