Breast Cancer and Use of Nonsteroidal Anti-inflammatory Drugs: A Meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is one of the leading causes of mortality among women. The use of nonsteroidal anti-inflammatory drugs (NSAIDs) may be associated with reduced risk for breast cancer, but results from these studies of the association have been inconsistent. METHODS: Studies that examined the association between risk of breast cancer and use of NSAIDs, including aspirin and ibuprofen, that were published between January 1, 1966, and July 1, 2008, were identified using Medline, EMBASE, and other databases. We performed meta-analysis by pooling studies according to the inverse of their variances and performed separate analyses of studies pooled according to aspirin use and ibuprofen use. We evaluated publication bias and study quality. RESULTS: A total of 38 studies (16 case-control studies, 18 cohort studies, 3 case-control studies nested in well-defined cohorts, and 1 clinical trial) that included 2 788 715 subjects were identified. The results of these studies suggest that overall, NSAID use was associated with reduced risk for breast cancer (relative risk [RR] = 0.88, 95% confidence interval [CI] = 0.84 to 0.93). Specific analyses for aspirin (RR = 0.87, 95% CI = 0.82 to 0.92) and ibuprofen (RR = 0.79, 95% CI = 0.64 to 0.97) yielded similar results. CONCLUSIONS: This meta-analysis provides evidence that NSAID use is associated with reduced risk for breast cancer. Future research should include careful evaluation of the biologic mechanisms involved in the relationship between NSAIDs and breast cancer.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle