Association Between Consumption of Fruits and Vegetables and Risk of Colorectal Adenoma
Notice bibliographique
Résumé
There have been contradictory results about the association of fruits and vegetables intake with colorectal adenoma (CRA) risk, the precursor lesion of colorectal cancer. Herein, we have conducted a meta-analysis of the published observational studies to have a clear understanding about this association.Eligible studies up to November 30, 2014, were identified and retrieved by searching MEDLINE and EMBASE databases along with the manual review of the reference list of the retrieved studies. The quality of the included studies was evaluated using Newcastle-Ottawa Quality Assessment Scale, and random-effects model was used to calculate summary relative risk (SRR) and corresponding 95% confidence interval (CI).A total of 22 studies involving 11,696 CRA subjects were part of this meta-analysis. The SRR for the highest versus the lowest intake of vegetables alone was 0.91 (95% CI: 0.80-1.02, Pheterogeneity = 0.025), whereas for vegetables and fruits combined, it was 0.82 (95% CI: 0.75-0.91, Pheterogeneity = 0.369), and for fruits alone, it was 0.79 (95% CI: 0.71-0.88, Pheterogeneity = 0.111). In addition, linear dose-response analysis also showed similar results, for example, for per 100 g/d increment of fruits, the SRR was 0.94 (95% CI: 0.92-0.97) and for vegetables it was 0.98 (95% CI: 0.96-1.01). Nonlinear association was only observed for vegetables (Pnonlinearity = 0.024), but not for fruits (Pnonlinearity = 0.583).Thus, this meta-analysis suggested that fruits consumption have a significant protective effect on CRA risk, but not vegetables. Moreover, we recommend additional studies with prospective designs that use validated questionnaires and control for important confounders to further validate the overall results.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».