MétaCan
Menu
Retour à la cohorte
Enregistrement W3158434917 · doi:10.2174/1871530321666210427083707

Evaluation of the Effectiveness of Breastfeeding as a Factor in the Preventionof Breast Cancer

2021· review· en· W3158434917 sur OpenAlexaboutno aff
Luna Cabrera, Isabel Trapero

Notice bibliographique

RevueEndocrine Metabolic & Immune Disorders - Drug Targets · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreastfeedingBreast cancerMedicineProspective cohort studyCancerCohortCohort studyBreast feedingObstetricsRisk factorGynecologyFamily medicineEnvironmental healthPediatricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & OBJECTIVE: As cancer is one of the main causes of fatal illnesses in the world, and breast cancer is responsible for an elevated number of deaths in women, it is important to implement measures to prevent this disease. METHOD: In order to assess the influence of breastfeeding in preventing breast cancer in women, forteen prospective cohort articles are included in this study, and their methodological quality has been assessed through the Newcastle Ottawa quality assessment scale cohort studies. After determining the risk of bias for each case study, those with fewer systematic errors and therefore greater validity, have been selected to demonstrate the relationship they propose exists between breastfeeding and breast cancer. RESULTS: 50% percent of the research included found that breastfeeding does not reduce the risk of breast cancer, while the other 50% argue that it is a protective factor. However, with regards to quality, the case studies that conclude that breastfeeding is not associated with breast cancer have more evidential support. CONCLUSION: It is difficult to establish whether or not breastfeeding prevents breast cancer, given the diversity of conclusions in the literature. Nevertheless, the findings of this study reinforce the importance of developing strategies to improve long-term women's health in the field of prevention.

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)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
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 Opus0,027
Tête enseignante GPT0,370
Écart entre enseignants0,343 · 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'étudeRevue systématique
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEndocrine Metabolic & Immune Disorders - Drug TargetsMême sujetCancer Risks and FactorsTravaux en français237 207