Prevention of breast cancer in the context of a national breast screening programme
Notice bibliographique
Résumé
Abstract. Howell A, Astley S, Warwick J, Stavrinos P, Sahin S, Ingham S, McBurney H, Eckersley B, Harvie M, Wilson M, Beetles U, Warren R, Hufton A, Sergeant J, Newman W, Buchan I, Cuzick J, Evans DG (Genesis Prevention Centre and Nightingale Breast Screening Centre, University Hospital of South Manchester; School of Cancer and Enabling Sciences, University of Manchester, Manchester; Centre for Cancer Prevention, Wolfson Institute of Preventive Medicine, Queen Mary University of London, London; School of Community Based Medicine, University of Manchester, Manchester; Genetic Medicine, Manchester Academic Health Sciences Centre, University of Manchester and Central Manchester Foundation Trust, Manchester; and Cambridge Breast Unit, Addenbrooke’s Hospital, Cambridge; UK). Prevention of breast cancer in the context of a national breast screening programme (Review). J Intern Med 2012; 271: 321–330. Breast cancer is not only increasing in the West but also particularly rapidly in Eastern countries where traditionally the incidence has been low. The rise in incidence is mainly related to changes in reproductive patterns and lifestyle. These trends could potentially be reversed by defining women at greatest risk and offering appropriate preventive measures. A model for this approach was the establishment of Family History Clinics (FHCs), which have resulted in improved survival in younger women at high risk. New predictive models of risk that include reproductive and lifestyle factors, mammographic density and measurement of risk‐associated single nucleotide polymorphisms (SNPs) may give more precise information concerning risk and enable better targeting for mammographic screening programmes and of preventive measures. Endocrine prevention using anti‐oestrogens and aromatase inhibitors is effective, and observational studies suggest lifestyle modification may also be effective. However, referral to FHCs is opportunistic and predominantly includes younger women. A better approach for identifying older women at risk may be to use national breast screening programmes. Here were described pilot studies to assess whether the routine assessment of breast cancer risk is feasible within a population‐based screening programme, whether the feedback and advice on risk‐reducing interventions would be welcomed and taken up, and to consider whether the screening interval should be modified according to breast cancer risk.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».