Antibiotic use and colorectal neoplasia: a systematic review and meta-analysis
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
Background and aims Colorectal cancer (CRC) is the third most common cancer for women and men and the second leading cause of cancer death in the USA. There is emerging evidence that the gut microbiome plays a role in CRC development, and antibiotics are one of the most common exposures that can alter the gut microbiome. We performed a systematic review and meta-analysis to characterise the association between antibiotic use and colorectal neoplasia. Methods We searched PubMed, EMBASE, and Web of Science for articles that examined the association between antibiotic exposure and colorectal neoplasia (cancer or adenoma) through 15 December 2019. A total of 6031 citations were identified and 6 papers were included in the final analysis. We assessed the association between the level of antibiotic use (defined as number of courses or duration of therapy) and colorectal neoplasia using a random effects model. Results Six studies provided 16 estimates of the association between level of antibiotic use and colorectal neoplasia. Individuals with the highest levels of antibiotic exposure had a 10% higher risk of colorectal neoplasia than those with the lowest exposure (effect size: 1.10, 95% CI 1.01 to 1.18). We found evidence of high heterogeneity (I 2 =79%, p=0.0001) but not of publication bias. Conclusions Higher levels of antibiotic exposure is associated with an increased risk of colorectal neoplasia. Given the widespread use of antibiotics in childhood and early adulthood, additional research to further characterise this relationship is needed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 | 0,001 |
| 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