Cannabis Use and Incidence of Testicular Cancer: A 42-Year Follow-up of Swedish Men between 1970 and 2011
Notice bibliographique
Résumé
Abstract Background: Given current drug policy reforms to decriminalize or legalize cannabis in numerous countries worldwide, the current study assesses the relation between cannabis use and the development of testicular cancer. Methods: The study included a population-based sample (n = 49,343) of young men ages 18–21 years who underwent conscription assessment for Swedish military service in 1969–1970. The conscription process included a nonanonymous questionnaire eliciting information about drug use. Conscription information was linked to Swedish health and administrative registry data. Testicular cancers diagnosed between 1970 and 2011 were identified by International Classification of Diseases-7/8/9/10 testicular cancer codes in the Swedish National Patient Register, the Cancer Register, or the Cause of Death Register. Cox regression modeling was used to estimate the hazards associated with cannabis use and time to diagnosis of testicular cancer. Results: No evidence was found of a significant relation between lifetime “ever” cannabis use and the subsequent development of testicular cancer [n = 45,250; 119 testicular cancer cases; adjusted HR (aHR), 1.42; 95% confidence interval (CI), 0.83–2.45]. “Heavy” cannabis use (defined as usage of more than 50 times in lifetime, as measured at conscription) was associated with the incidence of testicular cancer (n = 45,250; 119 testicular cancer cases; aHR 2.57; 95% CI, 1.02–6.50). Conclusions: The current study provides additional evidence to the limited prior literature suggesting cannabis use may contribute to the development of testicular cancer. Impact: Emerging changes to cannabis drug policy should consider the potential role of cannabis use in the development of testicular cancer. Cancer Epidemiol Biomarkers Prev; 26(11); 1644–52. ©2017 AACR.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».