Consumption of fruits, vegetables and fruit juices and differentiated thyroid carcinoma risk in the European Prospective Investigation into Cancer and Nutrition (EPIC) study
Notice bibliographique
Résumé
Fruit and vegetable (F&V) intake is considered as probably protective against overall cancer risk, but results in previous studies are not consistent for thyroid cancer (TC). The purpose of this study is to examine the association between the consumption of fruits, vegetables, fruit juices and differentiated thyroid cancer risk within the European Prospective Investigation into Cancer and Nutrition (EPIC) study. The EPIC study is a cohort including over half a million participants, recruited between 1991 and 2000. During a mean follow-up of 14 years, 748 incident first primary differentiated TC cases were identified. F&V and fruit juice intakes were assessed through validated country-specific dietary questionnaires. Hazard ratios (HRs) and 95% confidence intervals (CIs) were estimated using Cox regression models adjusted for potential confounding factors. Comparing the highest versus lowest quartile of intake, differentiated TC risk was not associated with intakes of total F&V (HR: 0.89; 95% CI: 0.68-1.15; p-trend = 0.44), vegetables (HR: 0.89; 95% CI: 0.69-1.14; p-trend = 0.56), or fruit (HR: 1.00; 95% CI: 0.79-1.26; p-trend = 0.64). No significant association was observed with any individual type of vegetable or fruit. However, there was a positive borderline trend with fruit juice intake (HR: 1.23; 95% CI: 0.98-1.53; p-trend = 0.06). This study did not find any significant association between F&V intakes and differentiated TC risk; however a positive trend with fruit juice intake was observed, possibly related to its high sugar content.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».