Causal relationship between dietary factors and breast cancer risk: A Mendelian randomization study
Notice bibliographique
Résumé
Background: Previous studies have discovered an association between dietary factors and breast cancer. However, few studies have used Mendelian randomization (MR) to assess the potential causal relationship between dietary factors and breast cancer. Methods: The exposure datasets for fresh fruit intake, dried fruit intake, salad/raw vegetable intake, cooked vegetable intake, oily fish intake, non-oily fish intake, cheese intake, and bread intake were obtained from the UK Biobank. The outcome dataset was extracted from the Breast Cancer Association Consortium (BCAC). We used the inverse variance weighted (IVW) method as the primary approach for the two-sample MR analysis. To ensure the accuracy of the results, we conducted heterogeneity and horizontal pleiotropy analyses. Additionally, multivariable MR analysis was conducted to ensure the stability of the results. Results: ). Subtype analyses showed that dried fruit intake was inversely associated with both estrogen receptor-positive (ER+) breast cancer (outliers excluded: OR: 0.669; 95 % CI: 0.512-0.875; p = 0.003) and ER-negative (ER-) breast cancer (OR: 0.559; 95 % CI: 0.379-0.827; p = 0.004), while fresh fruit intake was inversely associated with ER- breast cancer (excluded outliers: OR: 0.510; 95 % CI: 0.308-0.846; p = 0.009). No significant causal relationship was found between other dietary intakes and breast cancer. After adjusting for the effects of possible confounders, the causal relationships found by the two-sample MR analysis remained. Conclusion: Our study provides evidence that dried fruit intake may reduce the risk of both ER+ and ER- breast cancer, and fresh fruit intake may reduce the risk of ER- breast cancer. Other factors included in this study were not linked to breast 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».