Education and gastric cancer risk—An individual participant data meta‐analysis in the StoP project consortium
Notice bibliographique
Résumé
Low socioeconomic position (SEP) is a strong risk factor for incidence and premature mortality from several cancers. Our study aimed at quantifying the association between SEP and gastric cancer (GC) risk through an individual participant data meta-analysis within the "Stomach cancer Pooling (StoP) Project". Educational level and household income were used as proxies for the SEP. We estimated pooled odds ratios (ORs) and the corresponding 95% confidence intervals (CIs) across levels of education and household income by pooling study-specific ORs through random-effects meta-analytic models. The relative index of inequality (RII) was also computed. A total of 9,773 GC cases and 24,373 controls from 25 studies from Europe, Asia and America were included. The pooled OR for the highest compared to the lowest level of education was 0.60 (95% CI, 0.44-0.84), while the pooled RII was 0.45 (95% CI, 0.29-0.69). A strong inverse association was observed both for noncardia (OR 0.39, 95% CI, 0.22-0.70) and cardia GC (OR 0.47, 95% CI, 0.22-0.99). The relation was stronger among H. pylori negative subjects (RII 0.14, 95% CI, 0.04-0.48) as compared to H. pylori positive ones (RII 0.29, 95% CI, 0.10-0.84), in the absence of a significant interaction (p = 0.28). The highest household income category showed a pooled OR of 0.65 (95% CI, 0.48-0.89), while the corresponding RII was 0.40 (95% CI, 0.22-0.72). Our collaborative pooled-analysis showed a strong inverse relationship between SEP indicators and GC risk. Our data call for public health interventions to reduce GC risk among the more vulnerable groups of the population.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».