Unraveling the link between diabetes and cancer: separating signal from noise
Notice bibliographique
Résumé
As the global prevalence of diabetes continues to rise, understanding its broader health implications is more urgent than ever. One area that continues to draw considerable attention is the relationship between diabetes and cancer. Over the past 2 decades, numerous observational studies have reported associations between diabetes and risk of several cancers, particularly for those of the liver, pancreas, endometrium, and breast.1 However, questions persist about the extent to which these relationships reflect causal mechanisms vs correlations because of shared risk factors such as obesity, lifestyle behaviors, and comorbidities.1,2 Compounding the complexity are methodological concerns, including reverse causation and detection bias, which can further obscure these relationships.3 In this context, in this issue of the Journal, Liu and colleagues3 offer a welcome contribution to the field. Drawing on individual-level data from more than 2.2 million adults enrolled in 3 large prospective cohorts in the United Kingdom and China, the authors evaluated the association between diabetes and 15 types of cancers. Notably, their analytical approach included adjustments for key confounders—age, body mass index, smoking, and alcohol use—and incorporated strategies to address residual confounding and reverse causation. Consistent with prior research, Liu et al.3 report statistically significant associations between diabetes and 11 of the 15 cancers studied. The associations with liver, pancreatic, and bladder cancers were particularly strong and persisted after comprehensive adjustment for potential confounders. However, for cancers of the breast, endometrium, kidney, and esophageal adenocarcinoma, the associations were substantially attenuated after adjustment—specifically for adiposity—suggesting that shared risk factors, rather than diabetes itself, may largely explain these relationships.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,035 | 0,049 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».