Abstract PR-04: Blood lipid and lipoprotein levels and the risk of colorectal cancer in the European Prospective Investigation into Cancer and Nutrition
Notice bibliographique
Résumé
Abstract Background: Blood lipids and lipoproteins may affect colorectal cancer (CRC) risk, but results are inconsistent. We examined the relation between serum levels of total cholesterol, high density lipoprotein (HDL), low density lipoprotein, triglycerides, apo lipoprotein A–I (apoA), apo lipoprotein B and the incidence of CRC. Methods: A nested case-control study was conducted within the European Prospective Investigation into Cancer and Nutrition (EPIC). A total of 1238 first primary incident colorectal cancer cases were matched to 1238 controls by age, gender, center, time of blood collection and fasting status. Serum levels were quantitatively determined by a colorimetric method. Conditional logistic regression models were used to estimate relative risks (RRs) and 95% confidence intervals (95% CI). Results: After adjustments, levels of HDL and apoA were inversely associated with colon cancer risk (RR for one standard deviation increase of 0.43 mmol/L in HDL and 0.32 g/L in apoA (95% CI) = 0.78 (0.68–0.89); p<0.01 and 0.82 (0.72–0.94); p<0.01, respectively) and with distal cancer risk (0.79 (0.65–0.96); p=0.02 and 0.83 (0.69–1.01); p=0.07, respectively). Although only slightly weaker, associations with proximal colon cancer risk were not statistically significant (0.82 (0.65–1.03); p=0.09 and 0.86 (0.68–1.07); p=0.18, respectively). Inclusion of other biomarkers or exclusion of the first 2 years of follow-up did not influence the association between HDL and colon cancer risk. No association was observed for rectal cancer risk. Conclusion: These findings suggest that high HDL levels may decrease colon cancer risk. The mechanism behind this association should be further investigated. Citation Information: Cancer Prev Res 2010;3(1 Suppl):PR-04.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».