Risk Factors for Cholangiocarcinoma in Thailand: A SystematicReview and Meta-Analysis
Notice bibliographique
Résumé
Background and objective: Cholangiocarcinoma remains a serious public health concern in Thailand. While many of the risk factors for cholangiocarcinoma in western countries are well-recognized, it remains unclear whether they are the same in Thailand. We set out to investigate the risk factors for cholangiocarcinoma in Thailand. Methods: Starting March 4, 2016, we reviewed studies found using pre-specified keywords on SCOPUS, Pro Quest Science Direct, PubMed, and online public access catalog of Khon Kaen University. Two review authors independently screened studies for inclusion criteria, extracted data, and assessed the studied Risk of Bias. The Newcastle-Ottawa Scale and the Joanna Briggs Institute Critical Appraisal Tools were used to assess the quality of included studies. The risk effects of factors were estimated as a pooled adjusted odds ratio with a 95% confidence interval. The heterogeneity of results was considered using the I-square, Tau-square and Chi-square statistics. Results: A strong association was found between cholangiocarcinoma and age, Opisthorchis viverrini infection, eating raw cyprinoid fish, family history of cancer, liquor consumption, and taking praziquantel. There was only a mild association found between eating nitrite-containing foods, fresh vegetables, education, smoking behavior, and sex. No association was found between cholangiocarcinoma and eating fermented fish (Pla-ra), northeastern Thai or Chinese sausage, sticky rice, meat, chewing betel nut, or eating fruit. There were two protective factors including fresh vegetables consumption and education attainment. Conclusion: There are unique risk factors of cholangiocarcinoma in Thailand, including age, Opisthorchis viverrini infection, eating raw cyprinoid fish, family history of cancer, liquor consumption, and taking praziquantel.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».