Pooling-analysis on hMLH1 polymorphisms and cancer risk: evidence based on 31,484 cancer cases and 45,494 cancer-free controls
Notice bibliographique
Résumé
To elucidate the veritable relationship between three hMLH1 polymorphisms (rs1800734, rs1799977, rs63750447) and cancer risk, we performed this meta-analysis based on overall published data up to May 2017, from PubMed, Web of knowledge, VIP, WanFang and CNKI database, and the references of the original studies or review articles. 57 publications including 31,484 cancer cases and 45,494 cancer-free controls were obtained. The quality assessment of six articles obtained a summarized score less than 6 in terms of the Newcastle-Ottawa Scale (NOS). All statistical analyses were calculated with the software STATA (Version 14.0; Stata Corp, College Station, TX). We found all the three polymorphisms can enhance overall cancer risk, especially in Asians, under different genetic comparisons. In the subgroup analysis by cancer type, we found a moderate association between rs1800734 and the risk of gastric cancer (allele model: OR = 1.14, P = 0.017; homozygote model: OR = 1.33, P = 0.019; dominant model: OR = 1.27, P = 0.024) and lung cancer in recessive model (OR = 1.27, P = 0.024). The G allele of rs1799977 polymorphism was proved to connect with susceptibility of colorectal cancer (allele model: OR = 1.21, P = 0.023; dominate model: OR = 1.32, P <0.0001) and prostate cancer (dominate model: OR = 1.36, P <0.0001). Rs63750447 showed an increased risk of colorectal cancer, endometrial cancer and gastric cancer under all genetic models. These findings provide evidence that hMLH1 polymorphisms may associate with cancer risk, especially in Asians.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».