MétaCan
Menu
Retour à la cohorte
Enregistrement W2931486588 · doi:10.1002/ijc.32314

Patterns in metabolite profile are associated with risk of more aggressive prostate cancer: A prospective study of 3,057 matched case–control sets from EPIC

2019· article· en· W2931486588 sur OpenAlexfundno aff
Julie A. Schmidt, Georgina K. Fensom, Sabina Rinaldi, Augustin Scalbert, Paul N. Appleby, David Achaintre, Audrey Gicquiau, Marc J. Gunter, Pietro Ferrari, Rudolf Kaaks, Tilman Kühn, Heiner Boeing, Antonia Trichopoulou, Anna Karakatsani, Eleni Peppa, Domenico Palli, Sabina Sieri, ­Rosario ­Tumino, Bas Bueno‐de‐Mesquita, Antonio Agudo, María‐José Sánchez, María‐Dolores Chirlaque, Eva Ardanáz, Nerea Larrañaga, Aurora Perez‐Cornago, Nada Assi, Elio Ríboli, Konstantinos K. Tsilidis, Timothy J. Key, Ruth C. Travis

Notice bibliographique

RevueInternational Journal of Cancer · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesInstituto de Salud Carlos IIIWorld Cancer Research FundMedical Research CouncilHellenic Health FoundationMedical Research Council CanadaDeutsche KrebshilfeWorld Health OrganizationEuropean CommissionBundesministerium für Bildung und ForschungNational Institute for Health and Care ResearchCancer Research UKDeutsches KrebsforschungszentrumAssociazione Italiana per la Ricerca sul CancroNational Research Council Sri LankaHealth ResearchCentre International de Recherche sur le Cancer
Mots-clésProstate cancerMetaboliteEPICProspective cohort studyProstateMedicineEuropean Prospective Investigation into Cancer and NutritionOncologyCancerCase-control studyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Metabolomics may reveal novel insights into the etiology of prostate cancer, for which few risk factors are established. We investigated the association between patterns in baseline plasma metabolite profile and subsequent prostate cancer risk, using data from 3,057 matched case–control sets from the European Prospective Investigation into Cancer and Nutrition (EPIC). We measured 119 metabolite concentrations in plasma samples, collected on average 9.4 years before diagnosis, by mass spectrometry (Absolute IDQ p180 Kit, Biocrates Life Sciences AG). Metabolite patterns were identified using treelet transform, a statistical method for identification of groups of correlated metabolites. Associations of metabolite patterns with prostate cancer risk (OR 1SD ) were estimated by conditional logistic regression. Supplementary analyses were conducted for metabolite patterns derived using principal component analysis and for individual metabolites. Men with metabolite profiles characterized by higher concentrations of either phosphatidylcholines or hydroxysphingomyelins (OR 1SD = 0.77, 95% confidence interval 0.66–0.89), acylcarnitines C18:1 and C18:2, glutamate, ornithine and taurine (OR 1SD = 0.72, 0.57–0.90), or lysophosphatidylcholines (OR 1SD = 0.81, 0.69–0.95) had lower risk of advanced stage prostate cancer at diagnosis, with no evidence of heterogeneity by follow‐up time. Similar associations were observed for the two former patterns with aggressive disease risk (the more aggressive subset of advanced stage), while the latter pattern was inversely related to risk of prostate cancer death (OR 1SD = 0.77, 0.61–0.96). No associations were observed for prostate cancer overall or less aggressive tumor subtypes. In conclusion, metabolite patterns may be related to lower risk of more aggressive prostate tumors and prostate cancer death, and might be relevant to etiology of advanced stage prostate cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,277
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207