Psychosocial factors and cancer incidence (PSY‐CA): Protocol for individual participant data meta‐analyses
Notice bibliographique
Résumé
OBJECTIVES: Psychosocial factors have been hypothesized to increase the risk of cancer. This study aims (1) to test whether psychosocial factors (depression, anxiety, recent loss events, subjective social support, relationship status, general distress, and neuroticism) are associated with the incidence of any cancer (any, breast, lung, prostate, colorectal, smoking-related, and alcohol-related); (2) to test the interaction between psychosocial factors and factors related to cancer risk (smoking, alcohol use, weight, physical activity, sedentary behavior, sleep, age, sex, education, hormone replacement therapy, and menopausal status) with regard to the incidence of cancer; and (3) to test the mediating role of health behaviors (smoking, alcohol use, weight, physical activity, sedentary behavior, and sleep) in the relationship between psychosocial factors and the incidence of cancer. METHODS: The psychosocial factors and cancer incidence (PSY-CA) consortium was established involving experts in the field of (psycho-)oncology, methodology, and epidemiology. Using data collected in 18 cohorts (N = 617,355), a preplanned two-stage individual participant data (IPD) meta-analysis is proposed. Standardized analyses will be conducted on harmonized datasets for each cohort (stage 1), and meta-analyses will be performed on the risk estimates (stage 2). CONCLUSION: PSY-CA aims to elucidate the relationship between psychosocial factors and cancer risk by addressing several shortcomings of prior meta-analyses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,064 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,015 | 0,025 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».