論文の概要: Dissecting the Dental Lung Cancer Axis via Mendelian Randomization and Mediation Analysis

• arxiv url: http://arxiv.org/abs/2507.18287v1
• Date: Thu, 24 Jul 2025 10:46:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.420902
• Title: Dissecting the Dental Lung Cancer Axis via Mendelian Randomization and Mediation Analysis
• Title（参考訳）: Mendelian Randomization and Mediation Analysis による肺扁平上皮癌の鑑別
• Authors: Wenran Zhang, Huihuan Luo, Linda Wei, Ping Nie, Yiqun Wu, Dedong Yu,
• Abstract要約: 本研究は, 2種類のメンデルランダム化法を用いて, 歯質と肺癌の因果関係について検討した。 1つの標準偏差増加は、扁平上皮癌の188.0%のリスクを伴っていた。 歯周炎には因果性は認められなかった。
• 参考スコア（独自算出の注目度）: 1.9555973498901684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Periodontitis and dental caries are common oral diseases affecting billions globally. While observational studies suggest links between these conditions and lung cancer, causality remains uncertain. This study used two sample Mendelian randomization (MR) to explore causal relationships between dental traits (periodontitis, dental caries) and lung cancer subtypes, and to assess mediation by pulmonary function. Genetic instruments were derived from the largest available genome wide association studies, including data from 487,823 dental caries and 506,594 periodontitis cases, as well as lung cancer data from the Transdisciplinary Research of Cancer in Lung consortium. Inverse variance weighting was the main analytical method; lung function mediation was assessed using the delta method. The results showed a significant positive causal effect of dental caries on overall lung cancer and its subtypes. Specifically, a one standard deviation increase in dental caries incidence was associated with a 188.0% higher risk of squamous cell lung carcinoma (OR = 2.880, 95% CI = 1.236--6.713, p = 0.014), partially mediated by declines in forced vital capacity (FVC) and forced expiratory volume in one second (FEV1), accounting for 5.124% and 5.890% of the total effect. No causal effect was found for periodontitis. These findings highlight a causal role of dental caries in lung cancer risk and support integrating dental care and pulmonary function monitoring into cancer prevention strategies.
• Abstract（参考訳）: 歯周炎と歯科治療は、世界中の何十億もの人に影響を及ぼす一般的な口腔疾患である。 観察的研究はこれらの状態と肺癌との関係を示唆するが、因果関係はいまだ不明である。 本研究は, 2種類のメンデルランダム化法を用いて, 歯質(歯周炎, 歯列部)と肺がんの亜型との因果関係について検討し, 肺機能による媒介性の評価を行った。 遺伝機器は, 487,823例, 歯周炎506,594例, 肺コンソーシアムにおける肺がん研究の肺がんデータなど, 利用可能な最大規模のゲノムワイド・アソシエーション研究から派生した。 逆分散重み付けが主な解析手法であり,デルタ法を用いて肺機能メディエーションを評価した。 以上の結果より, 全身性肺癌とその亜型に対する歯列の有意な因果効果が認められた。 具体的には, 扁平上皮癌(OR = 2.880, 95% CI = 1.236--6.713, p = 0.014)のリスクが188.0%上昇し, 一部は強制活力 (FVC) の低下と1秒の強制呼気量 (FEV1) が関与し, 総効果の5.124%と5.890%を占めた。 歯周炎には因果性は認められなかった。 これらの知見は, 肺癌のリスクに対する歯科治療の因果的役割を明らかにするとともに, がん予防戦略への歯科医療と肺機能モニタリングの統合を支援するものである。

関連論文リスト

• Automated diagnosis of lung diseases using vision transformer: a comparative study on chest x-ray classification [4.000123010849776]
  世界的には、肺関連疾患は毎年多くの生命を主張しており、早期かつ正確な診断が不可欠である。 本研究では,メンデレーデータから得られた3,475個の胸部X線画像からなるデータセットを用いた。 我々は、CNN、ResNet50、DenseNet、CheXNet、U-Netを含む5つの事前訓練されたディープラーニングモデルと、ViT(Vision Transformer)やShifted Window(Swin)といった2つのトランスファー学習アルゴリズムを適用し、これらの画像を分類した。
  論文  参考訳（メタデータ） (2025-03-22T04:35:17Z)
• Pulmonologists-Level lung cancer detection based on standard blood test results and smoking status using an explainable machine learning approach [2.545682175108217]
  肺癌(LC)は、主に後期診断によるがん関連死亡の主な原因である。 近年, 機械学習は, 様々な疾患の発見を容易にすることによって, 医療において大きな可能性を秘めている。 LC検出のための動的アンサンブル選択(DES)に基づくMLモデルを開発した。
  論文  参考訳（メタデータ） (2024-02-14T22:00:57Z)
• Development and external validation of a lung cancer risk estimation tool using gradient-boosting [3.200615329024819]
  肺がんは世界中で死亡の重大な原因であり、早期発見が生存率の向上に重要であることを強調している。 我々は,PLCOがんスクリーニング試験のデータに基づいて学習し,NLSTで検証する機械学習(ML)ツールを提案する。 開発されたMLツールは、5年以内に肺がんを発症する可能性を推定するための無償のWebアプリケーションを提供する。
  論文  参考訳（メタデータ） (2023-08-23T15:25:17Z)
• A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
  Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。 IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。 IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
  論文  参考訳（メタデータ） (2023-07-26T21:42:34Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
  肺がんは世界中でがんの死因となっている。 現在の肺結節検出法は通常ドメイン固有である。 肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-07T03:17:49Z)
• Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning [0.9786690381850355]
  肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。 深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。 本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
  論文  参考訳（メタデータ） (2022-06-02T15:14:41Z)
• Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung Segmentation Approach [0.1749935196721634]
  アメリカがん協会は、がんによる死亡件数の約27%を推定している。 その進化の初期段階では、肺がんは通常は症状を起こさない。 多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
  論文  参考訳（メタデータ） (2021-07-23T05:46:06Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)
• COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
  胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。 本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
  論文  参考訳（メタデータ） (2020-05-26T16:33:52Z)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。