Dietary intake of fiber, whole grains and risk of colorectal cancer: An updated analysis according to food sources, tumor location and molecular subtypes in two large US cohorts
Notice bibliographique
Résumé
Epidemiologic evidence relating fiber intake to colorectal cancer (CRC) remains inconclusive and data are limited on different food sources of fiber and heterogeneity by tumor subsite and molecular profile. We prospectively followed for CRC incidence 90,869 women from the Nurses’ Health Study (1980–2012) and 47,924 men from the Health Professionals Follow‐up Study (1986–2012), who completed a validated food frequency questionnaire every 4 years. Cox proportional hazards regression was used to examine the associations with CRC risk for total, cereal, fruit and vegetable fiber and whole grains. We also assessed the associations according to tumor subsites (proximal colon, distal colon and rectum) and molecular markers (microsatellite instability, BRAF mutation, CpG island methylator phenotype and KRAS mutation). We documented 3,178 CRC cases during 3,685,903 person‐years of follow‐up in the NHS and HPFS. Intake of total dietary fiber was not associated with CRC risk after multivariable adjustment in either women (hazard ratio [HR] comparing extreme deciles, 1.17; 95% CI, 0.92–1.48, p trend = 0.55) or men (HR, 0.90; 95% CI, 0.67–1.21, p trend = 0.47). Higher intake of cereal fiber and whole grains was associated with lower CRC risk in men with an HR of 0.75 (95% CI, 0.57–1.00) and 0.72 (95% CI, 0.54–0.96), respectively. No heterogeneity was detected by tumor subsite or molecular markers ( p heterogeneity > 0.05). Higher intake of total dietary fiber within the range of a typical American diet is unlikely to substantially reduce CRC risk. The potential benefit of cereal fiber and whole grains in men warrants further confirmation.
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 | 0,001 | 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) | 0,000 | 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 ».