Dietary Intake of Lactose as a Strong Predictor for Secretor Status of Nipple Aspirate Fluid in Healthy Premenopausal Nonlactating Women
Notice bibliographique
Résumé
PURPOSE: Nipple aspirate fluid (NAF) is considered a potential source for discovering breast cancer biomarkers. However, the success rate of obtaining NAF was reported to vary from 48% to 77%, and mechanisms for its secretion are not fully understood. The purpose of this study was to investigate dietary, demographic, reproductive, hormonal, and anthropometric factors that are associated with the ability to obtain NAF by aspiration (secretor status) from premenopausal women. STUDY DESIGN: NAF procedures were attempted for women who were 30 to 40 years old, not pregnant, not breast-feeding, and not taking contraceptive medications. RESULTS: Compared with nonsecretors, secretors of NAF consumed significantly more dietary lactose (mainly from milk), were more likely to be parous, were older at first and last childbirth, breast-fed their babies for a longer period of time, and had an earlier menarche and lower plasma concentrations of 17beta-estradiol (P < 0.05). Using multivariate logistic regression models, higher dietary intake of lactose [odds ratio (OR), 2.7; 95% confidence interval (95% CI), 1.5-4.8], earlier menarche (OR, 0.8; 95% CI, 0.7-1.0), being parous (OR, 2.3; 95% CI, 1.0-5.6), and being older at first childbirth (OR, 1.5; 95% CI, 1.0-2.1) were found to be independent and positive predictors for being a secretor of NAF. CONCLUSIONS: These findings suggest that dietary intake of lactose, a modifiable factor, may be used to change the NAF secretor status of women. This finding may facilitate the use of NAF as a diagnostic material for detecting breast diseases.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».