Leisure-time physical activity and gastric cancer risk: A pooled study within the Stomach cancer Pooling (StoP) Project
Notice bibliographique
Résumé
BACKGROUND: Although physical activity (PA) has been recognized as a favourable factor in the prevention of various diseases, including certain forms of cancer, the relationship between PA and gastric cancer (GC) is not yet fully understood. This study aims to provide data from a pooled analysis of case-control studies within the Stomach cancer Pooling (StoP) Project to estimate the association between leisure-time PA and the occurrence of GC. METHODS: Six case-control studies from StoP project collected data on leisure-time PA, for a total of 2,343 cases and 8,614 controls. Subjects were classified into three leisure-time PA categories, either none/low, intermediate or high, based on study-specific tertiles. We used a two-stage approach. Firstly, we applied multivariable logistic regression models to obtain study-specific odds ratios (ORs) and corresponding 95% confidence intervals (CIs) then, we used a random-effect models to obtain pooled effect estimates. We performed stratified analyses according to demographic, lifestyle and clinical covariates. RESULTS: The meta-analysis showed ORs of GC with no significant differences between intermediate vs low and high vs low PA level (OR 1.05 [95%CI 0.76-1.45]; OR 1.23 [95%CI 0.78-1.94], respectively). GC risk estimates did not strongly differ across strata of selected covariates except for age ≤ 55 years old (high vs low level: OR 0.72 [95%CI 0.55-0.94]) and for control population-based studies (high vs low level: OR 0.79 [95%CI 0.68-0.93]). CONCLUSIONS: No association was found between leisure time PA and GC, apart from a slight suggestion of decreased risk below age 55 and in control population-based studies. These results may reflect specific characteristics of GC at a younger age, or the presence of a cohort effect mediating and interacting with socioeconomic determinants of GC The different distribution of PA levels among hospitalized controls could have led to an underestimated effect of PA on GC risk.
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 | 0,025 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,025 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».