Risk factors of childhood cancer in Armenia: a case-control study
Notice bibliographique
Résumé
INTRODUCTION: Childhood cancer (CC) is a leading cause of death among children aged 0-19 years worldwide. Each year, 400,000 new cases of CC are diagnosed globally. Given the between-country differences in CC incidence rates, types and trends, this study aimed to identify possible risk factors for CC in Armenia. METHODS: We used a case-control study design and enrolled participants from the only specialized pediatric hematology and oncology center in Armenia. Cases included patients ≤ 14 years old diagnosed and treated with a malignant disease between 2017 and 2020 in the centre. Controls included patients diagnosed and treated in the center during the same period for a non-malignant disease. We conducted telephone interviews with mothers of cases and controls. Independent risk factors of cancer were identified using multivariable logistic regression analysis. RESULTS: Overall, 234 participants (117 cases, 117 controls) were included in the study. Based on the fitted model, maternal usage of folic acid during pregnancy was protective against CC, almost twice decreasing its odds (OR = 0.54; 95% CI: 0.31-0.94). On the contrary, experiencing horrifying/terrifying event(s) during pregnancy (OR = 2.19; 95% CI: 1.18-4.07) and having induced abortions before getting pregnant with the given child (OR = 2.94; 95% CI: 1.45-5.96) were associated with higher odds for a child to develop cancer. CONCLUSION: Despite the limited sample size of the study, significant modifiable risk factors for CC in Armenia were identified, all of which were linked to the period of pregnancy. The data from this study adds to the limited information available from etiological CC research throughout the world, and it will increase understanding of CC risk factors in settings with small populations and low resources. Although these findings may be helpful for future research, they should be taken with caution unless validated from further larger-scale studies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».