Pre-diagnosis tea and coffee consumption and survival after a diagnosis of ovarian cancer: results from the Ovarian Cancer Association Consortium
Notice bibliographique
Résumé
BACKGROUND: Tea and coffee are the most frequently consumed beverages in the world. Green tea in particular contains compounds with potential anti-cancer effects, but its association with survival after ovarian cancer is uncertain. METHODS: We investigated the associations between tea and coffee consumption before diagnosis and survival using data from 10 studies in the Ovarian Cancer Association Consortium. Data on tea (green, black, herbal), coffee and caffeine intake were available for up to 5724 women. We used Cox proportional hazards regression to estimate adjusted hazard ratios (aHR) and 95% confidence intervals (CI). RESULTS: Compared with women who did not drink any green tea, consumption of one or more cups/day was associated with better overall survival (aHR = 0.84, 95% CI 0.71-1.00, p-trend = 0.04). A similar association was seen for ovarian cancer-specific survival in five studies with this information (aHR = 0.81, 0.66-0.99, p-trend = 0.045). There was no consistent variation between subgroups defined by clinical or lifestyle characteristics and adjustment for other aspects of lifestyle did not appreciably alter the estimates. We found no evidence of an association between coffee, black or herbal tea, or caffeine intake and survival. CONCLUSION: The observed association with green tea consumption before diagnosis raises the possibility that consumption after diagnosis might improve patient outcomes.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».