Methods for Assessing and Representing Mammographic Density: An Analysis of 4 Case-Control Studies
Notice bibliographique
Résumé
To maximize statistical power in studies of mammographic density and breast cancer, it is advantageous to combine data from several studies, but standardization of the density assessment is desirable. Using data from 4 case-control studies, we describe the process of reassessment and the resulting correlation between values, identify predictors of differences in density readings, and evaluate the strength of the association between mammographic density and breast cancer risk using different representations of density values. The pooled analysis included 1,699 cases and 2,422 controls from California (1990-1998), Hawaii (1996-2003), Minnesota (1992-2001), and Japan (1999-2003). In 2010, a single reader reassessed all images for mammographic density using Cumulus software (Sunnybrook Health Sciences Centre, Toronto, Ontario, Canada). The mean difference between original and reassessed percent density values was -0.7% (95% confidence interval: -1.1, -0.3), with a correlation of 0.82 that varied by location (r = 0.80-0.89). Case status, weight status, age, parity, density assessment method, mammogram view, and race/ethnicity were significant determinants of the difference between original and reassessed values; in combination, these factors explained 9.2% of the variation. The associations of mammographic density with breast cancer and the model fits were similar using the original values and the reassessed values but were slightly strengthened when a calibrated value based on 100 reassessed radiographs was used.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,312 | 0,414 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,019 |
| Bibliométrie | 0,016 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».