Physical activity and the risk of <scp>non‐Hodgkin</scp> lymphoma subtypes: A pooled analysis
Notice bibliographique
Résumé
Non-Hodgkin lymphoma (NHL) is composed of a heterogeneous collection of subtypes with considerable differences in genetics, biology and aetiology. Studies to date on physical activity and NHL risk have not had sufficient sample size to evaluate whether associations differ by subtype. We pooled data from nine case-control studies to examine the association between moderate-to-vigorous intensity physical activity (MVPA) and risk of NHL overall and by subtype (diffuse large B-cell lymphoma, follicular lymphoma, chronic lymphocytic leukaemia/small lymphocytic lymphoma, marginal zone lymphoma and mature T-cell lymphoma). A total of 5653 cases and 9115 controls were included in the pooled analysis. Physical activity was harmonised across nine studies and modelled as study-specific tertiles. Multinomial logistic regression was used to estimate the association between physical activity and NHL, adjusting for confounders. The overall odds of NHL was 13% lower among participants in the most active tertile of MVPA compared to the least active tertile (adjusted odds ratio = 0.87, 95% CI = 0.80, 0.95). Similar decreases were observed across NHL subtypes. In summary, in this pooled analysis of case-control studies, physical activity was associated with a modest risk reduction for each NHL subtype examined and with overall NHL.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,022 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».