Fruits and vegetables intake and gastric cancer risk: A pooled analysis within the Stomach cancer Pooling Project
Notice bibliographique
Résumé
A low intake of fruits and vegetables is a risk factor for gastric cancer, although there is uncertainty regarding the magnitude of the associations. In our study, the relationship between fruits and vegetables intake and gastric cancer was assessed, complementing a previous work on the association betweenconsumption of citrus fruits and gastric cancer. Data from 25 studies (8456 cases and 21 133 controls) with information on fruits and/or vegetables intake were used. A two-stage approach based on random-effects models was used to pool study-specific adjusted (sex, age and the main known risk factors for gastric cancer) odds ratios (ORs) and the corresponding 95% confidence intervals (CIs). Exposure-response relations, including linear and nonlinear associations, were modeled using one- and two-order fractional polynomials. Gastric cancer risk was lower for a higher intake of fruits (OR: 0.76, 95% CI: 0.64-0.90), noncitrus fruits (OR: 0.86, 95% CI: 0.73-1.02), vegetables (OR: 0.68, 95% CI: 0.56-0.84), and fruits and vegetables (OR: 0.61, 95% CI: 0.49-0.75); results were consistent across sociodemographic and lifestyles categories, as well as study characteristics. Exposure-response analyses showed an increasingly protective effect of portions/day of fruits (OR: 0.64, 95% CI: 0.57-0.73 for six portions), noncitrus fruits (OR: 0.71, 95% CI: 0.61-0.83 for six portions) and vegetables (OR: 0.51, 95% CI: 0.43-0.60 for 10 portions). A protective effect of all fruits, noncitrus fruits and vegetables was confirmed, supporting further dietary recommendations to decrease the burden of gastric 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) | 0,000 | 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 | 0,001 |
| 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 ».