Genome-wide association studies (GWAS) have been successful in identifying common genetic variation involved in susceptibility to etiologically complex disease. We conducted a GWAS to identify common genetic variation involved in susceptibility to upper aero-digestive tract (UADT) cancers. Genome-wide genotyping was carried out using the Illumina HumanHap300 beadchips in 2,091 UADT cancer cases and 3,513 controls from two large European multi-centre UADT cancer studies, as well as 4,821 generic controls. The 19 top-ranked variants were investigated further in an additional 6,514 UADT cancer cases and 7,892 controls of European descent from an additional 13 UADT cancer studies participating in the INHANCE consortium. Five common variants presented evidence for significant association in the combined analysis (p≤5×10−7). Two novel variants were identified, a 4q21 variant (rs1494961, p = 1×10−8) located near DNA repair related genes HEL308 and FAM175A (or Abraxas) and a 12q24 variant (rs4767364, p = 2×10−8) located in an extended linkage disequilibrium region that contains multiple genes including the aldehyde dehydrogenase 2 (ALDH2) gene. Three remaining variants are located in the ADH gene cluster and were identified previously in a candidate gene study involving some of these samples. The association between these three variants and UADT cancers was independently replicated in 5,092 UADT cancer cases and 6,794 controls non-overlapping samples presented here (rs1573496-ADH7, p = 5×10−8; rs1229984-ADH1B, p = 7×10−9; and rs698-ADH1C, p = 0.02). These results implicate two variants at 4q21 and 12q24 and further highlight three ADH variants in UADT cancer susceptibility.

The aim of this study is to investigate the prognostic role of body mass index (BMI) on survival from head and neck cancer (HNC). We performed a pooled analysis of studies included in the International Head and Neck Cancer Epidemiology consortium. We used Cox proportional hazards models to estimate the adjusted hazard ratios (HR) for overall survival and HNC-specific survival, and we stratified the results according to cancer site. The study included 10,177 patients from 10 studies worldwide. Underweight patients had lower overall survival (HR=1.69, 95% CI: 1.31-2.19) respect to those having normal weight with consistent results across the HNC sites. Overweight and obese patients had a favourable HNC-specific survival (HR=0.77 (95% CI: 0.70-0.84) and HR=0.80 (95% CI: 0.76-0.84), respectively), with heterogenous results according to HNC site. Our findings show that high BMI values at cancer diagnosis improved the survival rates in patients with HNC, especially among smokers. This association may be explained by residual confounding, reverse causation, and collider stratification bias, but may also suggest that a nutritional reserve may help patients survive HNC cancer.

Abstract Background Head and neck cancer (HNC) incidence is on the rise, often diagnosed at late stage and associated with poor prognoses. Risk prediction tools have a potential role in prevention and early detection. Methods The IARC‐ARCAGE European case–control study was used as the model development dataset. A clinical HNC risk prediction model using behavioral and demographic predictors was developed via multivariable logistic regression analyses. The model was then externally validated in the UK Biobank cohort. Model performance was tested using discrimination and calibration metrics. Results 1926 HNC cases and 2043 controls were used for the development of the model. The development dataset model including sociodemographic, smoking, and alcohol variables had moderate discrimination, with an area under curve (AUC) value of 0.75 (95% CI, 0.74–0.77); the calibration slope (0.75) and tests were suggestive of good calibration. 384 616 UK Biobank participants (with 1177 HNC cases) were available for external validation of the model. Upon external validation, the model had an AUC of 0.62 (95% CI, 0.61–0.64). Conclusion We developed and externally validated a HNC risk prediction model using the ARCAGE and UK Biobank studies, respectively. This model had moderate performance in the development population and acceptable performance in the validation dataset. Demographics and risk behaviors are strong predictors of HNC, and this model may be a helpful tool in primary dental care settings to promote prevention and determine recall intervals for dental examination. Future addition of HPV serology or genetic factors could further enhance individual risk prediction.

The current humanitarian crises in Ukraine and Gaza, along with the chronic crises, and the climate-related disasters, have exposed the limitations of the humanitarian system. Within these contexts, humanitarian organisations frequently struggle with collecting, analysing, interpreting, and utilising health data, due to the challenging environments in which they operate and funding constraints. It is precisely in these contexts that field epidemiology plays a crucial, but often overlooked role.Field epidemiologists face unique challenges, including rapidly changing conditions, poor-quality data, and biases. Despite these difficulties, accurate epidemiological data are essential for needs assessment, guidance on interventions, and advocacy. Conventional methods often need adaptation for crisis settings, and there are still gaps in measurement.This article discusses the role of epidemiology in such contexts, noting a shortage of trained 'humanitarian epidemiologists' and specialised training as major issues.To address these needs, the Italian Association of Epidemiology organised a course in early 2024 to enhance the epidemiological skills of staff working in humanitarian crises and introduce traditional epidemiologists to crisis-specific challenges. The course covered key concepts and methods of field epidemiology, emphasising the use of secondary health data. Its positive reception underscored the demand for such specialised training.Improving public health information collection and use in humanitarian crises is an ethical and practical necessity. Indeed, investing in field epidemiology and recognising its importance can enhance humanitarian interventions and better serve vulnerable populations.

Background Childhood obesity is a significant public health problem representing the most severe challenge in the world. Antibiotic exposure in early life has been identified as a potential factor that can disrupt the development of the gut microbiome, which may have implications for obesity. Objective This study aims to evaluate the risk of developing obesity among children exposed to antibiotics early in life. Methods An Italian retrospective pediatric population-based cohort study of children born between 2004 and 2018 was adopted using the Pedianet database. Children were required to be born at term, with normal weight, and without genetic diseases or congenital anomalies. We assessed the timing of the first antibiotic prescription from birth to 6, 12, and 24 months of life and the dose-response relationship via the number of antibiotic prescriptions recorded in the first year of life (none, 1, 2, and ≥3 prescriptions). Obesity was defined as a BMI z score >3 for children aged ≤5 years and >2 for children aged >5 years, using the World Health Organization growth references. The obese incidence rate (IR) × 100 person-years and the relative 95% CI were computed using infant sex, area of residence, preschool and school age, and area deprivation index, which are the covariates of interest. A mixed-effect Cox proportional hazards model was used to estimate the hazard ratio and 95% CI for the association between antibiotic exposure in early life and child obesity between 24 months and 14 years of age, considering the family pediatricians as a random factor. Several subgroup and sensitivity analyses were performed to assess the robustness of our results. Results Among 121,540 children identified, 54,698 were prescribed at least an antibiotic within the first year of life and 26,990 were classified as obese during follow-up with an incidence rate of 4.05 cases (95% CI 4.01-4.10) × 100 person-year. The risk of obesity remained consistent across different timings of antibiotic prescriptions at 6 months, 1 year, and 2 years (fully adjusted hazard ratio [aHR] 1.07, 95% CI 1.04-1.10; aHR 1.06, 95% CI 1.03-1.09; and aHR 1.07, 95% CI 1.04-1.10, respectively). Increasing the number of antibiotic exposures increases the risk of obesity significantly (P trend<.001). The individual-specific age analysis showed that starting antibiotic therapy very early (between 0 and 5 months) had the greatest impact (aHR 1.12, 95% CI 1.08-1.17) on childhood obesity with respect to what was observed among those who were first prescribed antibiotics after the fifth month of life. These results were consistent across subgroup and sensitivity analyses. Conclusions The results from this large population-based study support the association between early exposure to antibiotics and an increased risk of childhood obesity. This association becomes progressively stronger with both increasing numbers of antibiotic prescriptions and younger age at the time of the first prescription.

Long-term contamination of tap water and groundwater by perfluoroalkyl and polyfluoroalkyl substances (PFASs) has been documented in the Veneto region of northern Italy. This study aimed to assess the exposure of individuals residing in the contaminated area and to test several toxicokinetic (TK) models of varying complexities to identify an efficient method for predicting perfluorooctanoic acid (PFOA) and perfluorooctanesulfonic acid (PFOS) concentrations in human serum using observed data.The ultimate goal is to provide public health officials with guidance on selecting the appropriate TK model for specific contexts, a reliable and rapid tool to support human bio-monitoring (HBM) studies.