Tea Consumption, Alcohol Drinking and Physical Activity Associations with Breast Cancer Risk among Chinese Females: a Systematic Review and Meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate associations between tea consumption, alcohol drinking and physical activity and breast cancer risk among Chinese females. METHODS: Three English databases (PubMed, ScienceDirect and Wiley) and three Chinese databases (CNKI, WanFang and VIP) were independently searched by 2 reviewers up to December 2012, complemented by manual searches. The quality of included studies was assessed with the Newcastle-Ottawa Scale items. Random-effects models were used to estimate the pooled odds ratios (ORs) and 95% confidence intervals (CIs). Potential publication bias was estimated through Egger's and Begg's tests. Heterogeneity between studies was evaluated with I2 statistics. RESULTS: Thirty-nine studies involving 13,204 breast cancer cases and 87,248 controls were identified. Compared with non-drinkers, regular tea drinkers had decreased risk (OR=0.79, 95%CIs: 0.65-0.95; I2=84.9%; N=16). An inverse association was also found between regular physical activity and breast cancer risk (OR=0.73, 95%CIs: 0.63-0.85; I2=77.3%; N=15). However, there was no significant association between alcohol drinking and breast cancer risk (OR=0.85, 95%CIs: 0.72- 1.02; I2=63.8%; N=26). Most of the results from the subgroup analysis were consistent with the main results. CONCLUSION: Tea consumption and physical activity are significantly associated with a decreased risk of breast cancer in Chinese females. However, alcohol drinking may not be associated with any elevation of 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 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 | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,027 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».