Dietary Fish Intake and Risk of Leukaemia, Multiple Myeloma, and Non-Hodgkin Lymphoma
Notice bibliographique
Résumé
This study aimed to determine whether fish intake was protective against leukemia, multiple myeloma, and non-Hodgkin lymphoma (NHL), and if our previous finding of a protective effect of fish-related occupations on the risk of these diseases was due to dietary intake of fish. We used data from a population-based case-control study undertaken in Canada in 1994-1998. Dietary information was available for 919 leukemia cases, 287 myeloma cases, 1418 NHL cases, and 4202 controls. The risk of each of the three cancers was determined using multiple logistic regression analysis according to quartiles of weekly fresh fish intake, percentage of total energy intake from fresh fish, and percentage of total fat intake from fresh fish. After adjusting for age, sex, smoking, BMI, and proxy status, people who consumed greater proportions of their total energy intake from fresh fish had a significantly lower risk of each of the three types of cancer, and there was a significant dose-response for risk of leukemia and NHL. Those in the highest quartile for percentage of fat intake from fish were at lowest risk: leukemia odds ratio (OR) 0.72, 95% confidence interval (CI) 0.58-0.89; multiple myeloma OR 0.64, 95% CI 0.45-0.90; NHL OR 0.71, 95% CI 0.60-0.85; and all LH cancers combined OR 0.70, 95% CI 0.61-0.81. The protective effect previously observed for working with fish on the risk of leukemia and lymphoma was independent of fish intake. These findings suggest that a diet high in fish may be protective against lymphohematopoietic cancers and confirm the reduced risk among fish workers.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».