Modeling the Complex Exposure History of Smoking in Predicting Bladder Cancer
Notice bibliographique
Résumé
BACKGROUND: Few studies have modeled smoking histories by combining smoking intensity and duration to show what profile of smoking behavior is associated with highest risk of bladder cancer. This study aims to provide insight into the association between smoking exposure history and bladder cancer risk by modeling both smoking intensity and duration in a pooled analysis. METHODS: We used data from 15 case-control studies included in the bladder cancer epidemiology and nutritional determinants study, including a total of 6,874 cases and 17,727 controls. To jointly interpret the effects of intensity and duration of smoking, we modeled excess odds ratios per pack-year by intensity continuously to estimate the risk difference between smokers with long duration/low intensity and short duration/high intensity. RESULTS: The pattern observed from the pooled excess odds ratios model indicated that for a fixed number of pack-years, smoking for a longer duration at lower intensity was more deleterious for bladder cancer risk than smoking more cigarettes/day for a shorter duration. We observed similar patterns within individual study samples. CONCLUSIONS: This pooled analysis shows that long duration/low intensity smoking is associated with a greater increase in bladder cancer risk than short duration/high intensity smoking within equal pack-year categories, thus confirming studies in other smoking-related cancers and demonstrating that reducing exposure history to a single metric such as pack-years was too restrictive.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».