Serum selenium level and cancer risk: a nested case-control study
Notice bibliographique
Résumé
Abstract Background Epidemiologic studies have demonstrated a relationship between selenium status and cancer risk among those with low selenium levels. It is of interest to prospectively evaluate the relationship between selenium and cancer among women who reside in a region with ubiquitously low selenium levels. Methods We performed a nested case-control study of baseline serum selenium levels and cancer risk using data and biological samples from 19,573 females that were participants in a biobanking initiative between 2010 and 2014 in Szczecin Poland. Cases included women with any incident cancer (n = 97) and controls (n = 184) were women with no cancer at baseline or follow-up. Serum selenium was quantified using mass spectroscopy. Results The odds ratio associated being below the cutoff of 70.0 μg/L compared to a level above 70.0 μg/L was 2.29 (95% CI 1.26–4.19; P = 0.007). The risks for women in the two middle categories were similar and suggests that the normal range be between 70 μg/L and 90 μg/L. There was evidence for an increased risk of cancer among women in the highest category of selenium levels (i.e., > 90 μg/L), but this association did not achieve statistical significance (OR = 1.63; 95%CI 0.63–4.19; P = 0.31). Conclusions Results from this study suggest that suggest that the optimum serum level of selenium in women living in Poland should be between 70 μg/L and 90 μg/L.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».