Abstract CN13-02: Breast tissue composition and risk of breast cancer
Notice bibliographique
Résumé
Abstract CN13-02 Background Susceptibility to breast carcinogens is greatest before the age of 20 years. We have used magnetic resonance (MR) to measure the water content of the breast in young women, and have identified factors associated with variations in breast water. Breast water, like mammographic density, reflects fibro-glandular breast tissue, which is strongly associated with breast cancer risk in middle aged and older women. Methods We recruited 400 young women aged 15-30 years and their mothers, measured breast water and fat in daughters using (MR), and obtained anthropometric and other data. Mothers provided mammograms (n=365) and a random sample (n=100) also had breast MR. Results Percent water by MR in daughters (median=44.8%) was greater than in mothers (median=27.8%) (P<0.0001), and was greater in daughters aged 15-19 years (n=199; median=49%) than in those aged 20-30 years (n=201; median=41%). Percent water in daughters was correlated with both breast water (n=100 pairs; r=0.28; p=0.005), and percent mammographic density in mothers (n=356 pairs; r=0.25, p<0.0001). Percent water in daughters was independently associated with their age (p=0.04) and weight (p<0.0001) (both inversely), and with their height (p<0.0001) and percent density in their mothers’ mammogram (p<0.0001) (both positively). Conclusions Percent breast water was greatest at ages when susceptibility to breast carcinogens is also greatest. The distribution of breast water according to age was consistent with a model in which mammographic density in mid-life is in part the result of genetic influences and growth and development in early life that determine initial breast tissue composition. Citation Information: Cancer Prev Res 2008;1(7 Suppl):CN13-02.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».