MétaCan
Menu
Retour à la cohorte
Enregistrement W3211560310 · doi:10.3390/biomedicines9111628

Blood Copper Levels and the Occurrence of Colorectal Cancer in Poland

2021· article· en· W3211560310 sur OpenAlexaff
Piotr Baszuk, Wojciech Marciniak, Róża Derkacz, Anna Jakubowska, Cezary Cybulski, Jacek Gronwald, Tadeusz Dębniak, Tomasz Huzarski, Katarzyna Białkowska, Sandra Pietrzak, Magdalena Muszyńska, Józef Kładny, Steven A. Narod, Jan Lubiński, Marcin Lener

Notice bibliographique

RevueBiomedicines · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensPublic Health OntarioWomen's College HospitalUniversity of Toronto
Organismes subventionnairesNarodowe Centrum Badań i Rozwoju
Mots-clésQuartileColorectal cancerMedicineOdds ratioInternal medicineGastroenterologyPopulationCancerCopperConfidence intervalChemistry

Résumé

récupéré en direct d'OpenAlex

There is a need for sensitive and specific biomarkers for the early detection of colorectal cancer. In this retrospective study, we assessed whether a high blood copper level was associated with the presence of colorectal cancer. The blood copper level was measured among 187 colorectal cancer patients and 187 matched controls. Cases and controls were matched for sex, smoking status (yes/no) and year of birth. Among the cases, the mean blood copper level was 1031 µg/L (range 657 µg/L to 2043 µg/L) and among the controls, the mean blood copper level was 864 µg/L (range 589 µg/L to 1433 µg/L). The odds ratio for colorectal cancer for those in the highest quartile of copper level (versus the lowest) was 12.7 (95% CI: 4.98–32.3; p < 0.001). Of the patients with stage I–II colon cancer, 62% had a copper level in the highest quartile. A blood copper level in excess of 930 µg/L is associated with an increase in the prevalence of colorectal cancer in the Polish population and its potential use in early detection programs should be considered.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,336
Écart entre enseignants0,311 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetTrace Elements in HealthTravaux en français237 207