Prospective Association of Energy Balance Scores Based on Metabolic Biomarkers with Colorectal Cancer Risk
Notice bibliographique
Résumé
Abstract Background: Energy balance–related factors, such as body mass index (BMI), diet, and physical activity, may influence colorectal cancer etiology through interconnected metabolic pathways, but their combined influence is less clear. Methods: We used reduced rank regression to derive three energy balance scores that associate lifestyle factors with combinations of prediagnostic, circulating levels of high-sensitivity C-reactive protein (hsCRP), C-peptide, and hemoglobin A1c (HbA1c) among 2,498 participants in the Cancer Prevention Study-II Nutrition Cohort. Among 114,989 participants, we verified 2,228 colorectal cancer cases. We assessed associations of each score with colorectal cancer incidence and by tumor molecular phenotypes using Cox proportional hazards regression. Results: The derived scores comprised BMI, physical activity, screen time, and 14 food groups, and explained 5.1% to 10.5% of the variation in biomarkers. The HR and 95% confidence interval (CI) for quartile 4 versus 1 of the HbA1c+C peptide–based score and colorectal cancer was 1.30 (1.15–1.47), the hsCRP-based score was 1.35 (1.19–1.53), and the hsCRP, C-peptide, and HbA1c-based score was 1.35 (1.19–1.52). The latter score was associated with non-CIMP tumors (HRQ4vsQ1: 1.59; 95% CI: 1.17–2.16), but not CIMP-positive tumors (Pheterogeneity = 0.04). Conclusions: These results further support hypotheses that systemic biomarkers of metabolic health—inflammation and abnormal glucose homeostasis—mediate part of the relationship between several energy balance–related modifiable factors and colorectal cancer risk. Impact: Results support cancer prevention guidelines for maintaining a healthful body weight, consuming a healthful diet, and being physically active. More research is needed on these clusters of exposures with molecular phenotypes of tumors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».