MétaCan
Menu
Retour à la cohorte
Enregistrement W3031135397 · doi:10.1111/obr.13049

The association between metabolically healthy obesity and risk of cancer: A systematic review and meta‐analysis of prospective cohort studies

2020· review· en· W3031135397 sur OpenAlexaboutno aff
Chien‐Ju Lin, Yu‐Chen Chang, Ting‐Yao Cheng, Kai Lo, Shu‐Jung Liu, Tzu‐Lin Yeh

Notice bibliographique

RevueObesity Reviews · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObesityMeta-analysisOdds ratioConfidence intervalProspective cohort studyInternal medicineIncidence (geometry)CancerCohort studySubgroup analysisBody mass indexCohortOncology

Résumé

récupéré en direct d'OpenAlex

Summary The risk of cancer among adults with metabolically healthy obesity (MHO) has not yet been established. We systematically searched from inception to 15 March 2020. We included prospective cohort studies that compared participants with MHO and participants with metabolically healthy non‐obesity (MHNO) for incidence of any type of cancer. Benign tumors, cancer mortality or cancer prognosis were not in the scope of our analysis. The Newcastle–Ottawa Scale was used for quality assessment. Ultimately, eight studies with a total of 12 542 390 participants were included. The pooled meta‐analysis using random effect model showed participants with MHO demonstrated a significantly increased risk of developing cancer (odds ratio [OR], 1.14; 95% confidence interval [CI], 1.05 to 1.23; and I2 = 39%) than those with MHNO. The subgroup analysis revealed a higher pooled estimate (OR, 1.17; 95% CI, 1.01–1.35; and I2 = 56%) in comparison with metabolically healthy normal weight. No evidence of effect modification by age, sex, ethnicity, smoking, sample size or length of follow‐up was found. In conclusion, the present study reports a positive association between MHO and cancer incidence. All individuals with obesity, even in the absence of metabolic dysfunction, should be encouraged to lose weight.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,025
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0130,017
Bibliométrie0,0050,007
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,079
Tête enseignante GPT0,409
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueObesity ReviewsMême sujetCancer Risks and FactorsTravaux en français237 207