Association between the frequency of tooth brushing and esophageal carcinoma risk: an update systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Lower frequency of tooth brushing was thought to be associated with esophageal carcinoma (EC). However, some researchers suggested that this association did not exist or had not yet reached statistical significance. The purpose of this study was to calculate a more precise estimation of the relationship between the frequency of tooth brushing and the risk of EC by combining the results between different studies using the meta-analysis. Methods: We searched the PubMed, Embase, Web of science, and Scopus electronic databases up to July 2021. According to PECO approach (Population, Exposure, Comparator and Outcomes), we assessed the association between tooth brushing frequency and EC risk which reported the adjusted risk ratios (adjRR), hazard ratios (adjHR), or odds ratios (adjOR) with 95% confidence interval (CI). The random effects model was used to quantitatively evaluate the combined results. Two researchers independently evaluated the risk bias of the included studies using the Newcastle-Ottawa Scale (NOS). The robustness of results was evaluated by subgroup analysis, sensitivity analysis, and publication bias. Results: In total, we identified 13 case-control studies with 14 reports which included 16,761 participants and 5,671 patients. Pooled results showed the lowest frequency of brushing was significantly associated with an increased risk of EC in comparison to the highest (adjOR: 2.00, 95% CI: 1.61–2.48). There was moderate heterogeneity among included studies (P=0.001, I2=61.4%). The original studies included in this meta-analysis were all case-control studies. Study quality was all moderate or above based on NOS score ranges of 6 stars or more. Conclusions: Available evidence suggests a low frequency of tooth brushing may be an important risk factor for EC. However, higher quality studies should continue to be conducted to investigate the optimal threshold of brushing frequency for the prevention of EC.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,029 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».