Oral Health—Head and Neck Cancers: Addressing Confounding Through Negative Control and Quantitative Bias Analyses
Notice bibliographique
Résumé
OBJECTIVES: While there are plausible biological explanations for the association between oral health and head and neck cancers (HNC), existing studies have yielded conflicting results. A key concern is that these associations are influenced by mediators, unmeasured risk factors, and biases. To address this, a negative control exposure was used to evaluate whether the associations between oral health and HNC risk could be attributed to unmeasured confounding. Additionally, quantitative bias analysis (QBA) was performed to estimate the extent of non-differential misclassification of exposure. METHODS: The HeNCe study, a hospital-based case-control study, recruited incident HNC cases (n = 389) frequency matched to controls (n = 429) by sex and age (within 5 years) from four major referral hospitals in Montreal, Canada. In-person interviews collected information on life course exposures. Unconditional logistic regression estimated the odds ratios (OR) and 95% confidence intervals (CI) for the associations between oral health indicators and HNC, controlling for confounders identified using directed acyclic graphs (DAG). Sexually transmitted diseases (STD) were used as a negative control exposure to test for unmeasured confounding in the associations. QBA, using predetermined bias parameters from previous studies, estimated the magnitude and direction of exposure misclassification bias. RESULTS: Complete denture use and having more than nine missing teeth were associated with an increased HNC risk [OR = 1.33, 95% CI (0.93-1.90) & OR = 1.31, 95% CI (0.93-1.83)], respectively. Similar results were obtained when stratified by HNC subsite. Negative control analysis yielded a null finding, indicating no significant bias due to unmeasured confounders. Bias-corrected estimates of the association between oral health indicators and HNC risk moved further from the null. CONCLUSION: Negative control exposure analysis indicated that unmeasured confounding did not affect the association between oral health and HNC risk. QBA yielded corrected estimates of increased magnitude, suggesting that the crude associations may have been underestimated.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».