Psychosocial factors, health behaviors and risk of cancer incidence: Testing interaction and effect modification in an individual participant data meta‐analysis
Notice bibliographique
Résumé
Depression, anxiety and other psychosocial factors are hypothesized to be involved in cancer development. We examined whether psychosocial factors interact with or modify the effects of health behaviors, such as smoking and alcohol use, in relation to cancer incidence. Two-stage individual participant data meta-analyses were performed based on 22 cohorts of the PSYchosocial factors and CAncer (PSY-CA) study. We examined nine psychosocial factors (depression diagnosis, depression symptoms, anxiety diagnosis, anxiety symptoms, perceived social support, loss events, general distress, neuroticism, relationship status), seven health behaviors/behavior-related factors (smoking, alcohol use, physical activity, body mass index, sedentary behavior, sleep quality, sleep duration) and seven cancer outcomes (overall cancer, smoking-related, alcohol-related, breast, lung, prostate, colorectal). Effects of the psychosocial factor, health behavior and their product term on cancer incidence were estimated using Cox regression. We pooled cohort-specific estimates using multivariate random-effects meta-analyses. Additive and multiplicative interaction/effect modification was examined. This study involved 437,827 participants, 36,961 incident cancer diagnoses, and 4,749,481 person years of follow-up. Out of 744 combinations of psychosocial factors, health behaviors, and cancer outcomes, we found no evidence of interaction. Effect modification was found for some combinations, but there were no clear patterns for any particular factors or outcomes involved. In this first large study to systematically examine potential interaction and effect modification, we found no evidence for psychosocial factors to interact with or modify health behaviors in relation to cancer incidence. The behavioral risk profile for cancer incidence is similar in people with and without psychosocial stress.
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 | 0,058 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,019 | 0,097 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».