Hormonal exposures and breast cancer in a sample of women with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVES: To determine if breast cancer risk in women with SLE is modified by a history of exposure to hormone replacement therapy (HRT) or oral contraceptives (OC), after adjusting for other risk factors. METHODS: Data were pooled from SLE cohorts at three centres. For each female cohort member (n = 871), the probability of developing breast cancer was estimated from factors (age, parity, age at first live birth, age of menarche, personal history of benign breast disease, family history) in the Gail model, an established tool for predicting breast cancer risk. From these probabilities, the expected number of breast cancers for the cohort was estimated. Actual occurrence of cases was determined by linkage with regional cancer registries. Standardized incidence ratios (SIRs; ratio of cancers observed to expected) were calculated, with subgroup analyses according to HRT and OC exposure. RESULTS: In the cohort, 15 breast cancers occurred vs 7.2 predicted [SIR 2.1, 95% confidence interval (CI) 1.1, 3.5]. When controlling for Gail model risk factors, estimates were similar for women never exposed to HRT vs those exposed to HRT. Adjusted SIR estimates appeared similar also for women exposed or not exposed to OC. CONCLUSIONS: Although not definitive, the data suggest that the breast cancer experience in this sample is not completely explained by factors such as reproductive and family history, or by exogenous hormonal exposures. Other determinants, including medication exposures or genetic factors (possibly related to oestrogen receptors or metabolism) may be important. Variations in these factors might explain why an elevated risk of breast cancer has not been apparent in all SLE populations.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».