Smoking as a risk factor for colorectal neoplasms in young individuals? A systematic meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Early-onset colorectal neoplasms (EoCRN) include both benign and malign colorectal tumors, which occur before the age of 50. The incidence of EoCRN is rising worldwide. Tobacco smoking has previously been proven to be related to the development of various tumor types. However, its relationship with EoCRN is not clearly defined. Hence, we carried out a systematic review and a meta-analysis to evaluate the relationship between smoking status and the risk of EoCRN. METHODS: A systematic search of PubMed, EMBASE, and Web of Science up to September 7, 2022, was performed for studies that evaluated the association of smoking status with EoCRN. The quality of the case-control study was evaluated with the Newcastle‒Ottawa Scale. The quality of the cross-sectional studies was evaluated with the American Health Care Research and Quality checklist. Fixed-effects models were used to pool odds ratios (ORs) to evaluate the relationship between the risk of developing EoCRN and smoking status. The meta-analyses were performed with Review Manager version 5.4, and funnel plots and publication bias tests were produced by STATA software. RESULTS: A total of six studies were included in this meta-analysis. After pooling the results of these six studies, we found that current smokers carry a relatively high risk of developing EoCRN (OR, 1.33; 95% confidence interval [CI], 1.17-1.52) compared to never-smokers. Ex-smokers were not at a significantly increased risk for developing EoCRN (OR, 1.00; 95% CI, 0.86-1.18). DISCUSSION: Smoking behavior is significantly associated with an increased risk for developing EoCRN and might be one of the reasons for the increasing incidence. Ex-smokers who quit are not at significant risk of developing EoCRN.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».