Green tea consumption and risk of breast cancer
Notice bibliographique
Résumé
BACKGROUND: As the most popular beverage in East Asia, green tea (GT) has various biological activities effects such as anti-mutation, anti-oxidation, and anti-tumor. In this study, we aimed to evaluate whether GT consumption could be an effective way to decrease the risk of breast cancer. METHODS: We had performed a systematic review and updated meta-analysis of published case-control studies to evaluate the association between GT intake and the risk of breast cancer. Searching strategies were performed by the following keywords "Breast cancer," "breast neoplasm," and "green tea," with derivations and different combinations. The following databases were searched: PubMed, Cochrane Library, EMBASE, Web of science, China National Knowledge Infrastructure, WanFang, and China Biology Medicine disc. Studies published in both English and Chinese were considered for inclusion. Risk of bias was assessed through the Newcastle-Ottawa Scale (NOS). All data were analyzed through using Review Manager 5.1 software. RESULTS: Fourteen studies fulfilled inclusion criteria for meta-analysis, yielding a total of 14,058 breast cancer patients and 15,043 control subjects. Individuals with the habit of drinking GT were found to have a negative association with the risk of future breast cancer (odds ratio 0.83; 95% confidence interval: 0.72-0.96) despite significant heterogeneity. In subgroup analyses, the negative correlation was still found in studies using registry-based controls, NOS grades ≥6 and the number of cases <500. CONCLUSIONS: GT consumption may have a decreased incidence of breast cancer despite significant heterogeneity. However, owing to the quality of available studies, more properly designed trials are warranted to clarify the association between GT consumption and breast 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 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) | 0,002 | 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 ».