Renal cell carcinoma risk associated with lower intake of micronutrients
Notice bibliographique
Résumé
Kidney cancer incidence in African Americans (AA) is higher than among European Americans (EA); reasons for this disparity are not fully known. Dietary micronutrients may have a protective effect on renal cell carcinoma (RCC) development by inhibiting oxidative DNA damage and tumor growth. We evaluated whether any micronutrient associations differed by race in the US Kidney Cancer Study. 1142 EA and AA RCC cases and 1154 frequency-matched controls were enrolled in a population-based case-control study between 2002 and 2007. Dietary micronutrient intake was derived from an interviewer-administered diet history questionnaire. RCC risk associated with micronutrient intake was estimated using adjusted odds ratios from logistic regression comparing lower to highest quartiles of intake and sample weighting. Inverse associations with RCC risk were observed for α-carotene, β-carotene, lutein zeaxanthin, lycopene, vitamin A, folate, thiamin, vitamin C, α-tocopherol, β-tocopherol, γ-tocopherol, and selenium. A trend for β-cryptoxanthin was suggested among EA but not AA or the total sample (P-interaction = .04). Otherwise, findings did not differ by race, gender, age, or smoking status. The increase in RCC risk associated with lower micronutrient intake is similar within AA and EA populations. A diet rich in sources of micronutrients found in fruits, vegetables, and nuts may help to reduce the overall risk of RCC.
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 | 0,000 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».