Inverse Association between Dietary Intake of Selected Carotenoids and Vitamin C and Risk of Lung Cancer
Notice bibliographique
Résumé
While diets rich in fruit and vegetables appear to reduce lung cancer risk, the evidence for individual carotenoid and vitamin intakes has been judged too limited to reach firm conclusions. Data from a case-control study of lung cancer (Montreal, QC, Canada, 1996-2002) were used to investigate the role of dietary intakes of β-carotene, α-carotene, β-cryptoxanthin, lutein/zeaxanthin, lycopene, and vitamin C in lung cancer risk. In-person interviews elicited dietary information from 1,105 incident cases and 1,449 population controls. Usual frequency of consumption of 49 fruits and vegetables 2 years prior to diagnosis/interview was collected. Odds ratios (ORs) and 95% confidence intervals (CIs) between intake variables and lung cancer were estimated using logistic or polytomous regression, adjusting for potential confounding factors including a detailed smoking history. ORs associated with upper versus lower tertiles of intake were 0.66 (95% CI = 0.51-0.84) for β-carotene, 0.70 (95% CI = 0.55-0.90) for α-carotene, 0.65 (95% CI = 0.51-0.84) for β-cryptoxanthin, 0.75 (95% CI = 0.59-0.95) for lycopene, and 0.74 (95% CI = 0.58-0.96) for vitamin C. ORs suggestive of a protective effect were found for elevated intakes of β-carotene, α-carotene, β-cryptoxanthin, and lycopene in male heavy smokers and of vitamin C in female heavy smokers. Selected antioxidants were also associated with a lower risk of lung cancer in female moderate smokers, and of squamous cell carcinoma, adenocarcinoma, and small cell carcinoma. These results suggest that several dietary antioxidants found in common food sources may protect against lung cancer, even among heavy smokers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».