Maternal prenatal infection and childhood leukaemia: a Childhood Cancer and Leukemia International Consortium (CLIC) meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Maternal prenatal infections may affect fetal development, increasing the immunological vulnerability of offspring to childhood leukaemia (CL). The role of maternal infections in CL is unclear and might vary by subtype (lymphoblastic, ALL; myeloid, AML) or other characteristics. Understanding this potentially modifiable risk factor could inform prevention strategies. METHODS: Seventeen hospital- and population-based case-control studies of children born in 1972-2019 within the Childhood Cancer and Leukemia International Consortium with self-questionnaires or health-registry data on maternal infection were included (13 638 cases; 26 870 controls). Meta-analyses assessed CL and maternal infection (overall, viral, bacterial, respiratory, influenza/cold, urinary, genital) stratified by subtype, infection timing, race and ethnicity, and diagnosis age. RESULTS: The adjusted meta-analysis odds ratio (OR) for any maternal prenatal infection was 1.13 [95% confidence interval (CI) 0.91-1.40], with similar estimates for ALL and AML. Infection-specific estimates varied. ORs for first-trimester infections were highest for CL and ALL, but not AML, although all CIs contained one. We found modest risk differences between White and Hispanic/Latino children, most notably for CL diagnosed at <2 years (White children: OR 1.25, 95% CI 1.02-1.53; Hispanic/Latino children: OR 0.79, 95% CI 0.34-1.81, subgroup difference P = .05), with similar differences for viral and respiratory/influenza/cold infections. CONCLUSION: Although findings only modestly support an association between maternal prenatal infections and CL, some infections might increase the risk more markedly in young White children compared with Hispanic/Latino children. Risk patterns across race and ethnicity, type, and timing of maternal prenatal infection merit further investigation, as do studies with documented exposure information.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,040 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».