MétaCan
Menu
Retour à la cohorte
Enregistrement W2959440301 · doi:10.1002/cam4.2412

Maternal use of antibiotics and cancer incidence risk in offspring: A population‐based cohort study in Manitoba, Canada

2019· article· en· W2959440301 sur OpenAlexafffundabout
Xibiao Ye, Barret A. Monchka, Christiaan H. Righolt, Salaheddin M. Mahmud

Notice bibliographique

RevueCancer Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePregnancy and Medication Impact
Établissements canadiensGeorge & Fay Yee Centre for Healthcare InnovationUniversity of ManitobaUniversity of Victoria
Organismes subventionnairesChildren's Hospital Research Institute of Manitoba
Mots-clésMedicinePregnancyHazard ratioIncidence (geometry)ObstetricsCancerPopulationCohort studyConfidence intervalConfoundingCohortEpidemiologyAntibioticsProportional hazards modelGynecologyInternal medicineEnvironmental healthBiology

Résumé

récupéré en direct d'OpenAlex

Several epidemiological studies have found an association between maternal antibiotics use during pregnancy and increased risk of certain cancer types, although conclusions differ between studies. We examined this association in a cohort study including 262 116 mother-child pairs of Manitoba births between 1996 and 2013. Maternal antibiotics use during prepregnancy (6 months prior to pregnancy) and pregnancy periods was assessed. Children's cancer incidence was tracked up to the end of the follow-up period (December 2015). We calculated incidence rate and used Cox regression to estimate adjusted hazard ratios (HRs). Antibiotics use during pregnancy was not associated with overall cancer (HR = 1.1, 95% confidence interval 0.9-1.4), leukemias (1.3, 0.9-1.8), or acute lymphocytic leukemia (1.1, 0.7-1.6). The association between antibiotics use and overall cancer risk differed by trimester: 1.5 (1.1-1.9) in the first, 0.8 (0.6-1.0) in the second, and 1.1 (0.8-1.5) in the third trimester. Further research is necessary to confirm the association between first-trimester exposure and cancer risk after a better controlling of confounding factors.

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 enseignants0,055
Score d'incertitude au seuil0,432

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 Opus0,033
Tête enseignante GPT0,313
Écart entre enseignants0,280 · 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

Citations14
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCancer MedicineMême sujetPregnancy and Medication ImpactTravaux en français237 207