Nongenetic Determinants of Risk for Early-Onset Colorectal Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Incidence of early-onset (younger than 50 years of age) colorectal cancer (CRC) is increasing in many countries. Thus, elucidating the role of traditional CRC risk factors in early-onset CRC is a high priority. We sought to determine whether risk factors associated with late-onset CRC were also linked to early-onset CRC and whether association patterns differed by anatomic subsite. Methods Using data pooled from 13 population-based studies, we studied 3767 CRC cases and 4049 controls aged younger than 50 years and 23 437 CRC cases and 35 311 controls aged 50 years and older. Using multivariable and multinomial logistic regression, we estimated odds ratios (ORs) and 95% confidence intervals (CIs) to assess the association between risk factors and early-onset CRC and by anatomic subsite. Results Early-onset CRC was associated with not regularly using nonsteroidal anti-inflammatory drugs (OR = 1.43, 95% CI = 1.21 to 1.68), greater red meat intake (OR = 1.10, 95% CI = 1.04 to 1.16), lower educational attainment (OR = 1.10, 95% CI = 1.04 to 1.16), alcohol abstinence (OR = 1.23, 95% CI = 1.08 to 1.39), and heavier alcohol use (OR = 1.25, 95% CI = 1.04 to 1.50). No factors exhibited a greater excess in early-onset compared with late-onset CRC. Evaluating risks by anatomic subsite, we found that lower total fiber intake was linked more strongly to rectal (OR = 1.30, 95% CI = 1.14 to 1.48) than colon cancer (OR = 1.14, 95% CI = 1.02 to 1.27; P = .04). Conclusion In this large study, we identified several nongenetic risk factors associated with early-onset CRC, providing a basis for targeted identification of those most at risk, which is imperative in mitigating the rising burden of this disease.
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.
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 | 0,000 |
| 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 découle