Using Genetic Proxies for Lifecourse Sun Exposure to Assess the Causal Relationship of Sun Exposure with Circulating Vitamin D and Prostate Cancer Risk
Notice bibliographique
Résumé
BACKGROUND: Ecological and epidemiological studies have identified an inverse association of intensity and duration of sunlight exposure with prostate cancer, which may be explained by a reduction in vitamin D synthesis. Pigmentation traits influence sun exposure and therefore may affect prostate cancer risk. Because observational studies are vulnerable to confounding and measurement error, we used Mendelian randomization to examine the relationship of sun exposure with both prostate cancer risk and the intermediate phenotype, plasma levels of vitamin D. METHODS: We created a tanning, a skin color, and a freckling score as combinations of single nucleotide polymorphisms that have been previously associated with these phenotypes. A higher score indicates propensity to burn, have a lighter skin color and freckles. The scores were tested for association with vitamin D levels (25-hydroxyvitamin-D and 1,25-dihydroxyvitamin-D) and prostate-specific antigen detected prostate cancer in 3,123 White British individuals enrolled in the Prostate Testing for cancer and Treatment (ProtecT) study. RESULTS: The freckling score was inversely associated with 25(OH)D levels [change in 25(OH)D per score unit -0.27; 95% CI, -0.52% to -0.01%], and the tanning score was positively associated with prostate cancer risk (OR = 1.05; 95% CI, 1.02-1.09), after adjustment for population stratification and potential confounders. CONCLUSIONS: Individuals who tend to burn are more likely to spend less time in the sun and consequently have lower plasma vitamin D levels and higher susceptibility to prostate cancer. IMPACT: The use of pigmentation-related genetic scores is valuable for the assessment of the potential benefits of sun exposure with respect to prostate cancer 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».