MétaCan
Menu
Retour à la cohorte
Enregistrement W4285085907 · doi:10.1002/ijc.34211

Diet‐wide association study of 92 foods and nutrients and lung cancer risk in the European Prospective Investigation into Cancer and Nutrition study and the Netherlands Cohort Study

2022· article· en· W4285085907 sur OpenAlexfundno aff
Alicia K. Heath, David C. Muller, Piet A. van den Brandt, Elena Critselis, Marc J. Gunter, Paolo Vineis, Elisabete Weiderpass, Heiner Boeing, Pietro Ferrari, Melissa A. Merritt, Agnetha Linn Rostgaard‐Hansen, Anne Tjønneland, Kim Overvad, Verena Katzke, Bernard Srour, Giovanna Masala, Carlotta Sacerdote, Fulvio Ricceri, Fabrizio Pasanisi, Bas Bueno‐de‐Mesquita, George S. Downward, Guri Skeie, Torkjel M. Sandanger, Marta Crous‐Bou, Miguel Rodríguez‐Barranco, Pilar Amiano, José María Huerta, Eva Ardanáz, Isabel Drake, Mikael Johansson, Ingegerd Johansson, Tim Key, Nikos Papadimitriou, Elio Ríboli, Ioanna Tzoulaki, Konstantinos K. Tsilidis

Notice bibliographique

RevueInternational Journal of Cancer · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Public Health, Imperial College LondonInstituto de Salud Carlos IIIWorld Cancer Research FundMedical Research Council CanadaMedical Research CouncilInstitut Gustave-RoussyDeutsche KrebshilfeConsiglio Nazionale delle RicercheVetenskapsrådetDeutsches KrebsforschungszentrumLigue Contre le CancerBundesministerium für Bildung und ForschungNational Institute for Health and Care ResearchWorld Health OrganizationCancer Research UKCancerfondenMutuelle Générale de l'Education NationaleAssociazione Italiana per la Ricerca sul CancroImperial College LondonWorld Cancer Research Fund InternationalUniversity of Maryland School of Public HealthInstitut National de la Santé et de la Recherche MédicaleKræftens BekæmpelseMinisterie van Volksgezondheid, Welzijn en SportNIHR Imperial Biomedical Research CentreCentre International de Recherche sur le Cancer
Mots-clésProspective cohort studyLung cancerMedicineEuropean Prospective Investigation into Cancer and NutritionEnvironmental healthCancerCohort studyAssociation (psychology)NutrientCohortInternal medicineGerontologyBiologyPsychologyEcology

Résumé

récupéré en direct d'OpenAlex

It is unclear whether diet, and in particular certain foods or nutrients, are associated with lung cancer risk. We assessed associations of 92 dietary factors with lung cancer risk in 327 790 participants in the European Prospective Investigation into Cancer and Nutrition (EPIC). Cox regression yielded adjusted hazard ratios (HRs) and 95% confidence intervals (CIs) per SD higher intake/day of each food/nutrient. Correction for multiple comparisons was performed using the false discovery rate and identified associations were evaluated in the Netherlands Cohort Study (NLCS). In EPIC, 2420 incident lung cancer cases were identified during a median of 15 years of follow-up. Higher intakes of fibre (HR per 1 SD higher intake/day = 0.91, 95% CI 0.87-0.96), fruit (HR = 0.91, 95% CI 0.86-0.96) and vitamin C (HR = 0.91, 95% CI 0.86-0.96) were associated with a lower risk of lung cancer, whereas offal (HR = 1.08, 95% CI 1.03-1.14), retinol (HR = 1.06, 95% CI 1.03-1.10) and beer/cider (HR = 1.04, 95% CI 1.02-1.07) intakes were positively associated with lung cancer risk. Associations did not differ by sex and there was less evidence for associations among never smokers. None of the six associations with overall lung cancer risk identified in EPIC were replicated in the NLCS (2861 cases), however in analyses of histological subtypes, inverse associations of fruit and vitamin C with squamous cell carcinoma were replicated in the NLCS. Overall, there is little evidence that intakes of specific foods and nutrients play a major role in primary lung cancer risk, but fruit and vitamin C intakes seem to be inversely associated with squamous cell lung 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 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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,313
Écart entre enseignants0,304 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetNutritional Studies and DietTravaux en français237 207