MétaCan
Menu
Retour à la cohorte
Enregistrement W3034011777 · doi:10.18332/tid/122465

Cytochrome P450 2A6 whole-gene deletion (<i>CYP2A6*4</i> ) polymorphism reduces risk of lung cancer: A meta-analysis

2020· review· en· W3034011777 sur OpenAlexaboutno aff
Fadzrul Hafiz Johani, Mohd Majid, Muhammad Haneef Azme, Azmawati Mohammed Nawi

Notice bibliographique

RevueTobacco Induced Diseases · 2020
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLung cancerInternal medicineGeneticsGeneOncologyMeta-analysisCYP2A6Polymorphism (computer science)BiologyMedicineDemographyGenotypeCytochrome P450

Résumé

récupéré en direct d'OpenAlex

Lung cancer is the most commonly diagnosed cancer worldwide and is the leading cause of cancer death. Smoking is a major contributor to the pathogenesis of lung cancer. Cytochrome P450 2A6 (CYP2A6) is responsible for the metabolic activation of most tobacco carcinogens. CYP2A6 genetic polymorphism can cause variations in the human metabolism of xenobiotics. We performed this meta-analysis to determine the association between whole-gene CYP2A6 deletion polymorphism (CYP2A6*4) and lung cancer risk. METHODS The PubMed, SAGE, Science Direct, the Cochrane Library and Ovid databases were searched for observational studies before October 2018. Methodological quality was assessed using the Newcastle-Ottawa Quality Assessment Scale (NOS). RESULTS Nine case-control studies involving 4385 lung cancer cases and 4142 controls were included in the analysis. The random-effects model was used to combine results from individual studies. The pooled odds ratio was 0.39 (95% CI: 0.27-0.56). There was no heterogeneity across studies ( 2 =2.49, p=0.96, I 2 =0%). CONCLUSIONS Current evidence from the case-control studies suggests that the CYP2A6 whole-gene deletion polymorphism decreases the risk of lung cancer. Further research is needed to identify any potential confounding factors that may impact this association.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,538
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0090,007
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,177
Tête enseignante GPT0,448
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTobacco Induced DiseasesMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207