Association between Regular Aspirin Use and Circulating Markers of Inflammation: A Study within the Prostate, Lung, Colorectal, and Ovarian Cancer Screening Trial
Notice bibliographique
Résumé
BACKGROUND: Regular aspirin use may decrease cancer risk by reducing chronic inflammation. However, associations between aspirin use and circulating markers of inflammation have not been well studied. METHODS: Serum levels of 78 inflammatory markers were measured in 1,819 55- to 74-year-old men and women in the Prostate, Lung, Colorectal, and Ovarian (PLCO) Cancer Screening Trial. Data were combined from three completed case-control studies and reweighted to the PLCO screening arm. Self-reported aspirin and ibuprofen use (number of tablets taken per day/week/month) over the previous 12 months was collected at baseline. Associations between (i) nonregular (<4 tablets/month), (ii) low (1-4 tablets/week), (iii) moderate (1 tablet/day), or (iv) high (2+ tablets/day) regular aspirin or ibuprofen use and marker levels were assessed with weighted logistic regression. RESULTS: Aspirin use was nominally associated with (Ptrend across categories ≤ 0.05) decreased levels of chemokine C-C motif ligand 15 [CCL15; OR, 0.5; 95% confidence intervals (CI), 0.3-0.8; moderate versus nonregular use]; soluble vascular endothelial growth factor receptor 2 (sVEGFR2; OR, 0.7; 95% CI, 0.4-1.0); soluble tumor necrosis factor receptor 1 (sTNFR1; OR, 0.6; 95% CI, 0.4-0.9) and increased levels of CCL13 (OR, 1.3; 95% CI, 0.8-2.1); CCL17 (OR, 1.1; 95% CI, 0.7-1.9) and interleukin 4 (IL4; OR, 1.6; 95% CI, 0.9-2.8). Trends were not statistically significant following correction for multiple comparisons. Likewise, no statistically significant associations were observed between ibuprofen use and marker levels. CONCLUSIONS: No significant associations were observed between regular aspirin use and the inflammatory markers assessed. IMPACT: Additional studies are needed to better understand the relationship between aspirin use, chronic inflammation, and 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 | 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 ».