Investigation on factors associated with ovarian cancer: an umbrella review of systematic review and meta-analyses
Notice bibliographique
Résumé
Following cervical and uterine cancer, ovarian cancer (OC) has the third rank in gynecologic cancers. It often remains non-diagnosed until it spreads throughout the pelvis and abdomen. Identification of the most effective risk factors can help take prevention measures concerning OC. Therefore, the presented review aims to summarize the available studies on OC risk factors. A comprehensive systematic literature search was performed to identify all published systematic reviews and meta-analysis on associated factors with ovarian cancer. Web of Science, Cochrane Library databases, and Google Scholar were searched up to 17th January 2020. This study was performed according to Smith et al. methodology for conducting a systematic review of systematic reviews. Twenty-eight thousand sixty-two papers were initially retrieved from the electronic databases, among which 20,104 studies were screened. Two hundred seventy-seven articles met our inclusion criteria, 226 of which included in the meta-analysis. Most commonly reported genetic factors were MTHFR C677T (OR=1.077; 95 % CI (1.032, 1.124); P-value<0.001), BSML rs1544410 (OR=1.078; 95 %CI (1.024, 1.153); P-value=0.004), and Fokl rs2228570 (OR=1.123; 95 % CI (1.089, 1.157); P-value<0.001), which were significantly associated with increasing risk of ovarian cancer. Among the other factors, coffee intake (OR=1.106; 95 % CI (1.009, 1.211); P-value=0.030), hormone therapy (RR=1.057; 95 % CI (1.030, 1.400); P-value<0.001), hysterectomy (OR=0.863; 95 % CI (0.745, 0.999); P-value=0.049), and breast feeding (OR=0.719, 95 % CI (0.679, 0.762) and P-value<0.001) were mostly reported in studies. Among nutritional factors, coffee, egg, and fat intake significantly increase the risk of ovarian cancer. Estrogen, estrogen-progesterone, and overall hormone therapies also are related to the higher incidence of ovarian cancer. Some diseases, such as diabetes, endometriosis, and polycystic ovarian syndrome, as well as several genetic polymorphisms, cause a significant increase in ovarian cancer occurrence. Moreover, other factors, for instance, obesity, overweight, smoking, and perineal talc use, significantly increase the risk of ovarian cancer.
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 | 0,025 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,029 |
| Bibliométrie | 0,017 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».