MétaCan
Menu
Retour à la cohorte
Enregistrement W4205433721 · doi:10.1158/1055-9965.epi-30-10-hi

Selected Articles from This Issue

2021· article· en· W4205433721 sur OpenAlexaboutno aff

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésColorectal cancerIncidence (geometry)DecileDiseaseCancer registryCancerEpidemiology

Résumé

récupéré en direct d'OpenAlex

Early onset colorectal cancer has been increasing in incidence. Arif and colleagues sought to assess what impact pre-disposing conditions have on colorectal cancer. To answer this question, the authors reviewed a population-based registry in the Canadian province of British Columbia. Pre-disposing conditions were more common in individuals aged 18–29 than in other deciles <50 and inflammatory bowel disease (IBD) related cancers were associated with worse disease characteristics, while those associated with hereditary syndromes had improved prognosis compared to IBD related or sporadic cancer. This work shows that early onset colorectal cancer is heterogeneous and clinical characteristics differ in those with pre-disposing conditions.The incidence of early-onset colorectal cancer (eoCRC) diagnosed under age 50 has been rising in the United States. Studies evaluating eoCRC risk factors that may contribute to this rising trend are needed to inform intervention strategies. Schumacher and colleagues conducted a population-based case-control study among members of Kaiser Permanente Southern California to evaluate the associations between metabolic abnormalities, namely obesity, typ. 2 diabetes, hypertension and dyslipidemia, and risk of eoCRC. This study included over 1,000 eoCRC cases and 5,000 matched controls. The authors found that obesity, but not type 2 diabetes, hypertension, and dyslipidemia, was significantly associated with risk of eoCRC.American Indian and Alaska Native (AI/AN) populations experience disparities and regional variation in colorectal cancer incidence rates. Haverkamp and colleagues analyzed central cancer registry incidence data to determine the current state of these disparities. They found an increasing disparity in AI/AN rates overall, compared with the White population, exacerbated by increasing rates among AI/AN persons in certain regions and in younger age groups. The findings suggest that enhanced measures, such as culturally appropriate screening and public health interventions are needed among AI/AN persons, especially in regions and age groups in which colorectal cancer rates are increasing.The influence of prenatal Diethylstilbestrol (DES) exposure on cancer incidence among middle-aged men has not been well-characterized. This study by Strohsnitter and colleagues reports the results of a follow-up of 2,924 men. Participants provided information on whether or not they were diagnosed with cancer over a period of 39 years. The results reassure prenatally DES-exposed men that it is unlikely that their overall cancer risk is higher than those unexposed. The study also does not lend substantial evidence to the hypothesis that prenatal hormone exposure plays a role in the development of prostate cancer. The study's null findings stress the need for continued exploration of prostate cancer's etiologic factors.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,560

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,000
Communication savante0,0060,003
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,6070,402

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 Opus0,057
Tête enseignante GPT0,368
Écart entre enseignants0,312 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetNutritional Studies and DietTravaux en français237 207